指数条件异方差模型(EGARCH) - 知乎
Feb 11, 2020 · 相比于GARCH模型,EGARCH允许在模型中体现正的和负的资产收益率的非对称性,它考虑了加权的新信息(扰动项)
Searching…
Feb 11, 2020 · 相比于GARCH模型,EGARCH允许在模型中体现正的和负的资产收益率的非对称性,它考虑了加权的新信息(扰动项)
EGARCH与GARCH模型的区别还有: 使用条件方差的对数建模, 因为对数值可正可负, 这就取消了GARCH模型对系数必须非负的限制。 的使用使得波动率对 的依赖关系与 的正负号有关, 可以用来描述正负收益率对波动率的不同的影响, 即杠杆效应。
Use egarch to specify a univariate EGARCH (exponential generalized autoregressive conditional heteroscedastic) model.
Jan 12, 2025 · 本章节将深入探讨GARCH模型的主要变种,包括EGARCH模型和TGARCH模型,以及其他一些重要的拓展模型,分析它们在处理特定问题时的理论基础和应用方式。
自从Engle (1982)提出ARCH模型分析时间序列的异方差性以后,波勒斯列夫T.Bollerslev (1986)又提出了GARCH模型,GARCH模型是一个专门针对金融数据所量体订做的回归模型,除去和普通回归模型相同的之处,GARCH对误差的方差进行了进一步的建模。
除了收益率的厚尾属性, EGARCH 模型同 GARCH 模型一样,能够捕捉金融时间序列的其他特点,例如波动率聚类。 如果 t 1 时的波动率很高, t 时的波动率也会很高。 用另一种方式可以理解为,在 t 1 时间的冲击也会影响到 t 时刻的波动率。
本文首先阐述了ARCH模型族的原理,然后对中国平安股票对数收益率进行 ARCH效应 检验,利用GARCH、EGARCH、TGARCH对其进行建模和预测,并对比三个模型在中国平安股票数据上的建模性能。