多元旋转自回归条件异方差模型的构建与应用研究——以九种人民币汇率波动为例

本文描述了新扩展的多元旋转自回归条件异方差(RARCH)模型与旋转条件相关(RCC)模型及其三种主要类型:Scalar、Diagonal和CP,说明了如何利用极大对数似然法进行参数估计,然后,以9种主要的人民币外汇汇率收益率序列为例,对这两个多元旋转自回归条件异方差模型进行了参数估计,并与OGARCH和GOGARCH模型进行了有效性比较。研究结果表明,在二元波动模型中,RARCH与RCC模型的拟合效果显著优于OGARCH与GOGARCH模型,而且,RCC模型受益于分步估计,可以首先得到各序列的边缘分布,再对动态波动的参数进行估计,因而其表现要好于RARCH模型;在多元波动模型中,CP类的RARCH与RCC模型的拟合效果稍劣于Diagonal类型,但所需估计的参数大幅度减少,这对于估计高维数据的动态波动非常有效。通过边缘Copula预测能力分解可以看出,RARCH和RCC与OGARCH及GOGARCH模型相比,在1步提前预测的联合似然值上,获得了统计显著的收益。