在GARCH模型框架下,提出過新的雙曲GARCH形式（記為HGARCH）,不僅與HY-GARCH模型一樣可以同時刻畫波動的強烈振幅和長記憶衰減兩個性質(zhì),并且較之HY-GARCH模型,有更簡單的條件方差非負約束條件.然而,當時間序列較長時,用單一參數(shù)結(jié)構(gòu)不能充分捕捉可能發(fā)生的結(jié)構(gòu)變化.為此,提出新的動態(tài)混合HGARCH模型（DM-HGARCH）,使之可以同時擁有協(xié)方差平穩(wěn)、長記憶和結(jié)構(gòu)變化3個特性.討論了新模型的弱平穩(wěn)解存在條件,利用EM算法進行參數(shù)估計,并且用蒙特卡羅模擬給出估計在有限樣本下的表現(xiàn).最后將該模型分別用于1995年～2014年中國上證指數(shù)和美國標普500指數(shù)的日波動率建模.結(jié)果表明,在給定樣本期間內(nèi),動態(tài)混合HGARCH模型（DM-HGARCH）對標普500指數(shù)有更好的樣本內(nèi)擬合和樣本外預測表現(xiàn). 

【文章來源】：管理科學學報. 2020年05期 北大核心CSSCI

【文章頁數(shù)】：12 頁

【部分圖文】：

上證指數(shù)的原始價格序列Pt、對數(shù)收益率yt、yt的自相關(guān)圖和yt2的自相關(guān)圖

圖1 上證指數(shù)的原始價格序列Pt、對數(shù)收益率yt、yt的自相關(guān)圖和yt2的自相關(guān)圖在擬合部分，將每一個樣本集都分為兩個部分，1至n-500用于樣本內(nèi)(訓練集)擬合，最后500個數(shù)據(jù)用于樣本外(測試集)預測效果的評價．表2報告了DM-HGARCH模型和單一HY-GARCH模型的擬合結(jié)果．由于HY-GARCH和HGARCH有相同的表現(xiàn)，為節(jié)約篇幅，此處僅匯報單一HY-GARCH模型的實證結(jié)果．

【參考文獻】：
期刊論文
[1]基于廣義已實現(xiàn)測度的Realized GARCH模型改進及應用[J]. 蔣偉,顧研.  數(shù)量經(jīng)濟技術(shù)經(jīng)濟研究. 2019(07)
[2]基于時變波動率的存款保險定價研究[J]. 袁金建,劉海龍,劉小濤.  管理科學學報. 2019(03)
[3]基于混頻數(shù)據(jù)抽樣的已實現(xiàn)波動率長記憶模型[J]. 王天一,劉浩,黃卓.  系統(tǒng)工程學報. 2018(06)
[4]基于混合分布的中國股票波動風險因素的識別與分析[J]. 王安興,譚鮮明.  中國管理科學. 2018(02)
[5]我國股市的對外溢出效應與國際影響力研究——基于Copula-DCC-GARCH模型[J]. 李紅權(quán),何敏園.  系統(tǒng)科學與數(shù)學. 2017(08)
[6]基于GARCH類模型的空頭市場情景生成與投資組合[J]. 趙大萍,王楊孜,高杰英.  系統(tǒng)科學與數(shù)學. 2017(05)
[7]股票市場組合的市場風險度量研究——基于相關(guān)性模型[J]. 馮玲,吳江樵.  系統(tǒng)科學與數(shù)學. 2016(12)
[8]關(guān)于金融市場長記憶性研究的若干爭論[J]. 田存志,程富強,付輝.  經(jīng)濟學動態(tài). 2016(06)
[9]基于Copula模型的尾部相依性長記憶效應研究[J]. 龔玉婷,鄭旭.  系統(tǒng)科學與數(shù)學. 2016(06)
[10]股票市場歷史信息的長記憶性特征研究[J]. 李云紅,魏宇,張幫正.  中國管理科學. 2015(09)



本文編號：2938737