函数型EGARCH模型的构建及其波动预测研究

摘要：

传统的函数型GARCH族模型可用于刻画函数型金融时间序列的异方差性,但其存在以下局限性,如未考虑波动率的非对称性,不能解释当前信息对未来条件方差的冲击是否存在持续性,参数非负的约束条件可能会限制条件波动率的动态变化.基于此,本文在EGARCH模型的基础上构建了函数型EGARCH模型(fEGARCH模型),给出了其最小二乘估计和拟极大似然估计方法的具体步骤,推导了fEGARCH模型的函数型信息冲击曲线(NIC)和函数型累积冲击响应比率函数(CIRR)的计算公式.蒙特卡洛模拟结果表明,fEGARCH模型能够捕捉非对称性,且其拟极大似然估计方法比最小二乘估计方法更为有效.将该模型应用于沪深300指数,NIC显示该模型能够捕捉波动率的非对称性,而CIRR表明当前收益率对未来波动率的影响存在高持续性.最后,拟极大似然估计值的DM检验以及基于稳健损失函数的SPA检验和MCS检验结果均表明,fEGARCH模型比函数型GARCH模型(fGARCH模型)具有更高的波动预测精度.

关键词：函数型金融时间序列、EGARCH、非对称性、波动率

所属期刊栏目：39

分类号：O212(概率论与数理统计)

资助基金：国家社会科学基金;浙江省重点建设高校优势特色学科浙江工商大学统计学资助项目;统计数据工程技术与应用协同创新中心资助项目

在线出版日期：2022-06-28（万方平台首次上网日期，不代表论文的发表时间）

页数：共15页

页码：146-160