基于FIGARCH模型的股指波动性估计与预测研究

首先引入了FIGARCH模型,并讨论了具有不同分布特征FIGARCH模型参数估计方法。采用沪、深两市的指数数据考察了考虑长期记忆的FIGARCH模型、不考虑长期记忆的GARCH模型和IGARCH模型对市场波动性的拟合效果和预测能力。实证结果表明非对称的t分布和广义误差分布的分布函数更适合我国股市波动特征的描述,FIGARCH模型在拟合效果和预测能力方面都要优于其他两个模型。

基于不同分布假设的FIGARCH模型对上证指数波动性的比较研究

采用FIGARCH(1,d,1)模型对上海股票市场指数的波动性在四种不同的分布假设(正态分布,广义误差分布,学生t分布,非对称学生t分布)下进行了度量和比较研究,目的在于揭示分布假设对FIGARCH模型预测能力的影响。研究结果表明,使用厚尾分布假设(广义误差分布,学生t分布)提高了模型的估计和预测绩效,能更好地刻画上证指数的尖峰厚尾特征,但引入非对称学生t分布并未能进一步提高模型预测能力。