动态混合HGARCH模型的估计和预测

在GARCH模型框架下,提出过新的双曲GARCH形式(记为HGARCH),不仅与HY-GARCH模型一样可以同时刻画波动的强烈振幅和长记忆衰减两个性质,并且较之HY-GARCH模型,有更简单的条件方差非负约束条件.然而,当时间序列较长时,用单一参数结构不能充分捕捉可能发生的结构变化.为此,提出新的动态混合HGARCH模型(DM-HGARCH),使之可以同时拥有协方差平稳、长记忆和结构变化3个特性.讨论了新模型的弱平稳解存在条件,利用EM算法进行参数估计,并且用蒙特卡罗模拟给出估计在有限样本下的表现.最后将该模型分别用于1995年~2014年中国上证指数和美国标普500指数的日波动率建模.结果表明,在给定样本期间内,动态混合HGARCH模型(DM-HGARCH)对标普500指数有更好的样本内拟合和样本外预测表现.

基于AST分布和HGARCH模型的金融资产收益率波动非对称性刻画与VaR预测

选择合适波动模型和概率分布成为影响VaR预测可靠性的重要因素,本文首次结合HGARCH模型和AST分布来对金融资产收益率进行建模,并将所构建模型用于VaR预测研究中。我们重点比较研究不同头寸和不同风险水平下HGARCH模型及其子类共20种GARCH族模型的VaR预测效果,并系统性研究HGARCH模型中两个波动非对称参数在波动非对称性刻画和VaR预测中的作用。研究结果表明,在样本内,AST分布下的非对称GARCH族模型具有更好的波动拟合效果、分布拟合效果和VaR预测效果;HGARCH模型的两个波动非对称参数虽然在理论上是互补品的关系,但实际建模效果类似,相互之间更接近替代品的关系。在样本外,AST分布下的非对称GARCH族模型在波动拟合、分布拟合和VaR预测方面的优越性有所下降;两个波动非对称参数的实际效果也近似为替代品,其中放缩参数相比位移参数更具优势。