多元ARMA-GARCH模型波动率估计研究
120 浏览量
更新于2024-08-26
5
收藏 510KB PDF 举报
"这篇文章是关于多元ARMA-GARCH模型在波动率估计中的应用,由作者Pengfei Xie, Jimin Ye, 和 Junyuan Wang撰写,发表在《哈尔滨工业大学学报(英文版)》上。文章探讨了在结构自回归移动平均模型和多元GARCH模型框架下如何估计资产价格的波动率。ARMA-GARCH模型结合了ARMA的时间序列模型和GARCH的波动性建模方法,以更准确地捕捉金融时间序列中的波动性特征。"
正文:
多元ARMA-GARCH模型是金融时间序列分析中的一个重要工具,特别是在波动率预测和风险管理领域。ARMA,即自回归移动平均模型,是一种处理非平稳时间序列数据的方法,它结合了自回归(AR)和移动平均(MA)两个概念,能够描述序列中的线性依赖关系。而在金融市场中,资产价格的波动往往具有聚集效应,即大波动之后往往跟着大波动,小波动之后跟着小波动,这就是所谓的波动性聚类现象。GARCH,即广义自回归条件异方差模型,就是为了解决这个问题而提出的,它允许波动率本身随时间变化,并能捕捉这种波动性的动态特性。
在多元ARMA-GARCH模型中,不仅考虑单个序列的波动性,还考虑多个序列之间的相互影响。这在处理跨资产或者多市场数据时非常有用,例如股票市场的不同股票价格、不同货币的汇率等。通过引入这种模型,可以分析各变量之间的协方差结构,揭示它们在波动性上的共变关系,进而更好地理解市场动态。
文章的作者可能深入探讨了如何构建这样的模型,可能包括选择合适的ARMA阶数、GARCH类型(如EGARCH、TGARCH等)、以及如何估计模型参数。他们可能还讨论了独立成分分析(ICA)在识别因果结构中的作用,以确定哪些序列对总体波动性有显著影响。此外,他们可能还涉及了在实际应用中如何处理和校验模型的适用性,比如残差的独立性检验、模型稳定性检查等。
网络首发论文的发布遵循严格的出版流程和规定,确保内容的原创性、科学性和合规性。一旦录用定稿发布,其主要内容不得更改,保证了学术研究的严肃性和权威性。通过《中国学术期刊(网络版)》平台的出版确认,该论文得以在纸质期刊正式出版前以网络版的形式快速传播,为科研工作者和投资者提供了及时的理论成果和市场洞察。
Pengfei Xie, Jimin Ye, 和 Junyuan Wang的这篇论文深入研究了多元ARMA-GARCH模型在波动率估计中的应用,对于理解和预测金融市场的波动性有着重要的理论和实践价值。通过这种模型,我们可以更精确地捕捉和预测资产价格的变化,从而在投资决策和风险管理中做出更科学的判断。
2022-09-20 上传
2014-03-03 上传
2021-02-04 上传
点击了解资源详情
点击了解资源详情
2023-03-05 上传
weixin_38633576
- 粉丝: 2
- 资源: 901
最新资源
- 电子功用-平板电脑防近视装置及方法
- Python
- Nexus2021:NEXUS RND Aarohan2021
- grunt-isomorphic:从你的 js 源代码创建 amd、cjs、es6 和老派模块的 Grunt 插件
- 微信小程序-仿微信
- Firebase演示
- MonumentValley:纪念碑谷 WebGL版
- newton-faq:有关与Apple Newton平台有关的常见问题的社区资源
- marionette.bubble:[未维护] 从底层视图冒泡事件的布局和区域
- matlab-runner
- 电子功用-导电膜及其制备方法、阵列基板
- Natural-Scenery-Prediction-using-CNN:我建立的模型可以帮助我们对不同的自然风光图像进行分类,例如街道,山脉,冰川等。我使用了卷积神经网络来建立该模型并对图像进行分类
- Burger-Site-Bootstrap:我的投资组合的Bootstrap餐厅网站
- battleship-online:pygame和套接字制作的在线战舰游戏
- outdent-command:从 DOM 中删除最近的 BLOCKQUOTE 元素的命令实现
- CIDM_4382_Assignment1