我是金融和保险领域的分析师,每当我尝试拟合波动率模型时,我都会得到可怕的结果:残差通常是非平稳的(就单位根而言)和异方差(因此该模型无法解释波动率)。
ARCH / GARCH模型可以与其他类型的数据一起使用吗?
编辑于17/04/2015 15:07以澄清一些观点。
我是金融和保险领域的分析师,每当我尝试拟合波动率模型时,我都会得到可怕的结果:残差通常是非平稳的(就单位根而言)和异方差(因此该模型无法解释波动率)。
ARCH / GARCH模型可以与其他类型的数据一起使用吗?
编辑于17/04/2015 15:07以澄清一些观点。
Answers:
首先了解一些背景信息:
给定因变量,自变量和条件均值模型
您可以使用GARCH模型为的条件方差建模。
假设您已拟合GARCH模型并获得了拟合的条件标准偏差。如果缩放的残差由所拟合的条件标准偏差的倒数,则获得经缩放的残差。您希望它们是“不错的”。至少它们中应该没有剩余的ARCH模式。例如,可以通过Li-Mak测试进行测试。
1:关于非平稳残差,
GARCH模型不会产生任何残差-GARCH公式中没有GARCH-model-residual(仅来自条件均值模型的滞后误差用作GARCH模型中的回归变量)。
但是,非平稳性到底是什么意思:单位根?异方差?电平转换?
当您提到非平稳残差时,您是否想到了或还是其他东西?
编辑:非平稳性的类型是单位根。我怀疑这是由于条件均值模型差而不是GARCH失败引起的。由于GARCH对效果是的缩放通过,即仅改变规模但不能引入单位根。也就是说,单位根必须已经是,并且这是条件均值模型而不是条件方差模型的问题。
2:关于异方差
当您澄清要考虑的残差时,可以说更多。
编辑:头脑中的残差是。如果有条件为异方差,但该模式不是ARCH性质,则可以在标准GARCH模型后附加解释变量,以解释剩余的异方差。
3:关于非正常可以是非正常的,这没问题。应该与您拟合GARCH模型时假设的分布相匹配(您需要假定分布才能获得在拟合GARCH模型时将最大化的似然函数)。如果假设为正态分布,但可以拒绝为正态分布,那么这就是一个问题。但是您无需假设正常。例如,有人认为自由度为3或4的分布比财务收益的正态分布更相关。
ü 吨ü 吨ù吨吨
4:关于残差通常是非平稳的,异方差的并且不是正常的, 因此 该模型无法解释波动率
Eidt(更精确的表述):我不确定我是否遵循此处的逻辑联系。由于GARCH旨在解释特定类型的条件异方差性(不是所有类型的CH,而是自回归CH),因此您应该在此基础上进行评估。如果是自回归的有条件异方差(可以通过ARCH-LM测试进行测试),但是是有条件的同方异形(通过Li-Mak测试进行测试),则GARCH模型已经完成了工作。 ü ŧ
我对GARCH模型的经验(公认有限)是它们可以发挥作用,但当然不是万能药。