亲爱的MBA智库百科用户:


过去的17年,百科频道一直以免费公益的形式为大家提供知识服务,这是我们团队的荣幸和骄傲。 然而,在目前越来越严峻的经营挑战下,单纯依靠不断增加广告位来维持网站运营支出,必然会越来越影响您的使用体验,这也与我们的初衷背道而驰。 因此,经过审慎地考虑,我们决定推出VIP会员收费制度,以便为您提供更好的服务和更优质的内容。


MBA智库百科VIP会员,您的权益将包括: 1、无广告阅读; 2、免验证复制。


当然,更重要的是长期以来您对百科频道的支持。诚邀您加入MBA智库百科VIP会员,共渡难关,共同见证彼此的成长和进步!



MBA智库百科项目组
2023年8月10日
百科VIP
未登录
无广告阅读
免验证复制
1年VIP
¥ 9.9
支付方式:
微信支付
支付宝
PayPal
购买数量:
1
应付金额:
9.9
汇率换算:
1.32
美元(USD)
  • 美元(USD)
  • 加元(CAD)
  • 日元(JPY)
  • 英镑(GBP)
  • 欧元(EUR)
  • 澳元(AUD)
  • 新台币(TWD)
  • 港元(HKD)
  • 新加坡(SGD)
  • 菲律宾(PHP)
  • 泰铢(THB)

按当月汇率换算,

包含手续费

打开手机微信 扫一扫继续付款
立即开通
PayPal支付后,可能会遇到VIP权益未及时开通的情况,请您耐心等待,或者联系百科微信客服:mbalib888。
温馨提示:当无法进去支付页面时,可刷新后重试或更换浏览器
开通百科会员即视为同意《MBA智库·百科会员服务规则》

支付成功

全球专业中文经管百科,由121,994位网友共同编写而成,共计436,076个条目

ARCH模型

用手机看条目

出自 MBA智库百科(https://wiki.mbalib.com/)

ARCH模型(Autoregressive conditional heteroskedasticity model)

目录

[隐藏]

什么ARCH模型?

  ARCH模型由美国加州大学圣迭哥分校罗伯特·恩格尔(Engle)教授1982年在《计量经济学》杂志(Econometrica)的一篇论文中首次提出。此后在计量经济领域中得到迅速发展。

  所谓ARCH模型,按照英文直译是自回归条件异方差模型。粗略地说,该模型将当前一切 可利用信息作为条件,并采用某种自回归形式来刻划方差的变异,对于一个时间序列而言,在不同时刻可利用的信息不同,而相应的条件方差也不同,利用ARCH 模型,可以刻划出随时间而变异的条件方差。

  作为一种全新的理论,ARCH模型在近十几年里取得了极为迅速的发展,已被广泛地用于验证金融理论中的规律描述以及金融市场的预测和决策。

  ARCH模型是获得2003年诺贝尔经济学奖的计量经济学成果之一。被认为是最集中反映了方差变化特点而被广泛应用于金融数据时间序列分析的模型。ARCH模型是过去20年内金融计量学发展中最重大的创新。目前所有的波动率模型中,ARCH类模型无论从理论研究的深度还是从实证运用的广泛性来说都是独一无二的。

  ARCH(q)模型:

  均值方程:yt = Xβ + εt

  εt的无条件方差是常数,但是其条件分布为

  εt|Ψt − 1~N(O,\sigma_t^2)

  条件方差方程:\sigma_t^2=\omega+\alpha_1\epsilon_{t-1}^2+...+\alpha_q\epsilon_{t-1}^2

  其中Ψt − 1信息

  常数ω

  \epsilon_{t-1}^2:滞后的残差平方

ARCH模型的基本思想

  ARCH模型的基本思想是指在以前信息集下,某一时刻一个噪声的发生是服从正态分布。该正态分布的均值为零,方差是一个随时间变化的量(即为条件异方差)。并且这个随时间变化的方差是过去有限项噪声值平方的线性组合(即为自回归)。这样就构成了自回归条件异方差模型。

  由于需要使用到条件方差,我们这里不采用恩格尔的比较严谨的复杂的数学表达式,而是采取下面的表达方式,以便于我们把握模型的精髓。见如下数学表达:

  Yt = βXt+εt (1)其中,

  • Yt为被解释变量,
  • Xt为解释变量,
  • εt为误差项。

  如果误差项的平方服从AR(q)过程,即εt2 =a0+a1εt-12 +a2εt-22 + …… + aqεt-q2 +ηt t =1,2,3…… (2)其中,

  ηt独立同分布,并满足E(ηt)= 0, D(ηt)= λ2 ,则称上述模型是自回归条件异方差模型。简记为ARCH模型。称序列εt 服从q阶的ARCH的过程,记作εt -ARCH(q)。为了保证εt2 为正值,要求a0 >0 ,ai ≥0 i=2,3,4… 。

  上面(1)和(2)式构成的模型被称为回归-ARCH模型。ARCH模型通常对主体模型的随机扰动项进行建模分析。以便充分的提取残差中的信息,使得最终的模型残差ηt成为白噪声序列。

  从上面的模型中可以看出,由于现在时刻噪声的方差是过去有限项噪声值平方的回归,也就是说噪声的波动具有一定的记忆性,因此,如果在以前时刻噪声的方差变大,那么在此刻噪声的方差往往也跟着变大;如果在以前时刻噪声的方差变小,那么在此刻噪声的方差往往也跟着变小。体现到期货市场,那就是如果前一阶段期货合约价格波动变大,那么在此刻市场价格波动也往往较大,反之亦然。这就是ARCH模型所具有描述波动的集群性的特性,由此也决定它的无条件分布是一个尖峰胖尾的分布。

ARCH模型在分析中的应用

  ARCH模型的应用分析。从1982年开始就一直没有间断,经济学家和计量经济学家们,力图通过不断挖掘这个模型的潜力,来不断增强我们解释和预测市场的能力。从国外的研究情况来看,大致有两个研究方向:

  一是研究ARCH模型的拓展,完善ARCH模型。自ARCH模型始创以来,经历了两次突破。一次是Bollerslev T. 提出广义ARCH (Generalized ARCH) , 即GARCH模型,从此以后,几乎所有的ARCH 模型新成果都是在GARCH模型基础上得到的。第二次则是由于长记忆在经济学上的研究取得突破,分整研究被证明更有效地刻画了某些长记忆性经济现象,与ARCH模型相结合所诞生的一系列长记忆ARCH模型的研究从1996年至今方兴未艾。

  第二个应用是将ARCH模型作为一种度量金融时间序列数据波动性的有效工具,并应用于与波动性有关广泛研究领域。包括政策研究、理论命题检验、季节性分析等方面。

  ARCH模型能准确地模拟时间序列变量的波动性的变化,它在金融工程学实证研究中应用广泛,使人们能更加准确地把握风险(波动性),尤其是应用在风险价值Value at Risk)理论中,在华尔街是尽人皆知的工具。

  可以预见,未来的研究将会在方法论和工具论两个方向进一步展开,特别是其应用研究还在不断拓展,特别是伴随着市场微观结构理论的成熟,采用ARCH模型来模拟波动性,将会对期货交易制度设计,风险控制制度设计和投资组合风险管理策略研究,提供一个更为广阔的研究空间。

ARCH模型的发展

本条目对我有帮助150
MBA智库APP

扫一扫,下载MBA智库APP

分享到:
  如果您认为本条目还有待完善,需要补充新内容或修改错误内容,请编辑条目投诉举报

评论(共3条)

提示:评论内容为网友针对条目"ARCH模型"展开的讨论,与本站观点立场无关。
61.177.59.* 在 2014年1月1日 14:20 发表

能把发展详细解说一下嘛?谢谢

回复评论
223.104.25.* 在 2016年11月12日 14:18 发表

能给一下模型结构,和模型解释吗?谢谢

回复评论
刘维燎 (Talk | 贡献) 在 2016年11月14日 15:32 发表

223.104.25.* 在 2016年11月12日 14:18 发表

能给一下模型结构,和模型解释吗?谢谢

已经加入模型结构,欢迎一起进步

回复评论

发表评论请文明上网,理性发言并遵守有关规定。

打开APP

以上内容根据网友推荐自动排序生成

官方社群
下载APP
告MBA智库百科用户的一封信
亲爱的MBA智库百科用户: 过去的17年,百科频道一直以免费公益的形式为大家提供知识服务,这是我们团队的荣幸和骄傲。 然而,在目前越来越严峻的经营挑战下,单纯依靠不断增加广告位来维持网站运营支出,必然会越来越影响您的使用体验,这也与我们的初衷背道而驰。 因此,经过审慎地考虑,我们决定推出VIP会员收费制度,以便为您提供更好的服务和更优质的内容。 MBA智库百科VIP会员(9.9元 / 年,点击开通),您的权益将包括: 1、无广告阅读; 2、免验证复制。 当然,更重要的是长期以来您对百科频道的支持。诚邀您加入MBA智库百科VIP会员,共渡难关,共同见证彼此的成长和进步!
MBA智库百科项目组
2023年8月10日

闽公网安备 35020302032707号

添加收藏

    新建收藏夹

    编辑收藏夹

    20