双长记忆GARCH族模型的预测能力比较研究——基于沪深股市数据的实证分析

摘要：

GARCH族模型在金融风险的度量中有着广泛的应用。在考虑股市收益率和波动率序列双长记忆性的基础上，基于上证综合指数和深圳成份指数的日收盘价序列，从证券投资风险量化的角度，引入受险值VaR和相对正确符号指标PCS作为模型预测误差衡量指标，比较分析了双长记忆GARCH族模型在不同分布假设情况下的的拟合与预测精度。结果显示：偏t分布能较好描述沪深股市的厚尾特征；在较小的VaR水平下ARFIMA（2，d1，0）-FIAPARCH（1，d1，1）-skt模型对股市波动风险具有较强的预测能力，而ARFIMA（2，d1，0）-HYGARCH（1，dz，1）-skt对股市的涨跌趋势具有较强的预测能力。

关键词：VaR、长记忆、ARFIMA、FIAPARCH、HYGARCH

所属期刊栏目：20

分类号：F830.9(金融、银行)

资助基金：国家自然科学基金项目70901044,60804047,71073100;中国博士后基金项目20100480577;江苏省高校哲学社会科学基金项目09sJB880113;江苏省高校“青蓝工程”资助项目;江苏省政府留学基金

在线出版日期：2012-06-17（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：41-49