10 / 波动模型

ARCH 与 GARCH

昨天价格大跌,能推出今天还会跌吗?不能。但昨天的大幅变化可能意味着今天也更容易大幅波动。前几章用过去解释「中心在哪里」,这一章用过去解释「围绕中心能散多开」。课件以对数收益率为例:y_t=\log X_t-\log X_{t-1}。下面用去掉均值模型后的残差 a_t,实验数字均为手算示例,不是行情数据。

10.1 · 方向猜不到,幅度也猜不到吗?

保持模型不变,只改昨天的残差

横轴是今天的残差;线段标出零左右各一个条件标准差,不是残差的取值上限。

课件先写收益率的均值方程,再把剩下的误差拆成两部分:a_t=\sigma_t\epsilon_t。今天开始前,尺度 σ 已由昨天的信息确定;未知的是今天的标准化创新 ε。按 PPT 假设,各期 ε 独立且服从标准正态。记截至昨天的信息为 \mathcal F_{t-1}:

E(a_t\mid\mathcal F_{t-1})=\sigma_t\cdot0=0E(a_t^2\mid\mathcal F_{t-1})=\sigma_t^2\cdot1\mathrm{Var}(a_t\mid\mathcal F_{t-1})=\sigma_t^2

ARCH(1) 让昨天的残差平方决定今天的方差;ARCH(p) 允许最近 p 期各有一个权重:

\sigma_t^2=\omega+\alpha_1a_{t-1}^2\sigma_t^2=\omega+\sum_{j=1}^{p}\alpha_j a_{t-j}^2

ω 为正、各 α 非负能保证方差为正,却不保证长期方差有限。实验取 ω = 0.5、α₁ = 0.5。把 +2 改为 −2,两边的范围相同,因为两次冲击的平方都是 4。图上的半宽是标准差,方差要先开方才能画在收益率的轴上。

备考:既然残差不相关,为什么还要拟合 ARCH?

对 k ≥ 1,过去的残差已知,把它提出内层条件期望,剩下今天残差的条件均值零,所以跨期协方差为零。但同样做法用于平方项时,内层得到的是随过去变化的条件方差,不是常数。先检查均值模型的残差,再检查其平方的 ACF;只看残差 ACF 会漏掉波动聚集。