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
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^2ARCH(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}^2ω 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。
10.2 · 每天方差不同,长期方差怎样算?
两个门槛:方差存在,四阶矩就一定存在吗?
对平稳解取长期平均。令 m_2=E(a_t^2)。先给定昨天的信息,再对所有可能的昨天取平均,便能用同一个二阶矩替代前后两期的期望:
m_2=E(\sigma_t^2)=\omega+\alpha m_2m_2=\omega/(1-\alpha)要求 α < 1。对 ARCH(p),分母改为一减去所有 α 的和。这不是说任意初始值都会使第一期的方差立即等于长期值;若从固定初值出发,偏离长期方差的部分按 α 的幂衰减。
再问极端值的影响。标准正态创新的四阶矩是 3;令 m_4=E(a_t^4),把条件方差再平方后取期望:
m_4=3E[(\omega+\alpha a_{t-1}^2)^2](1-3\alpha^2)m_4=3\omega^2+6\omega\alpha m_2\frac{m_4}{m_2^2}=\frac{3(1-\alpha^2)}{1-3\alpha^2}只有 3\alpha^2<1 才能使用最后一式;超额峰度还要减 3。取 α = 0.5 时,普通峰度是 9 而不是 3。给定昨天时是正态,混合不同日期的尺度后却可以厚尾。把 α 调到 0.60:方差仍存在,但不能把一个负分母代进去报告“负峰度”。
为什么课件说平方残差有 AR 表示?
定义平方预测误差 \nu_t=a_t^2-\sigma_t^2。其条件均值为零。把条件方差代回就有:
a_t^2=\omega+\alpha a_{t-1}^2+\nu_t这才是平方序列的 AR(1),不是收益率的 AR(1)。要把 ν 当作通常具有有限方差的白噪声,还需上述四阶矩存在。
10.3 · GARCH 记住的不只是昨天的冲击
同样一次大冲击,未来方差会多快回落?
ARCH 若要记住许多期,需要许多 α。GARCH(1,1) 只多加一项:昨天已经算好的方差,它压缩了更早的信息。课件约定一般 GARCH(p,q) 的 p 数残差平方项,q 数滞后方差项。
\sigma_{t+1}^2=\omega+\alpha a_t^2+\beta\sigma_t^2v=E(\sigma_t^2)=\omega+(\alpha+\beta)vv=\omega/(1-\alpha-\beta)在非负系数、ω > 0 下,有限长期方差要求 α+β < 1。实验固定 α = 0.2、今天方差为 1、今日冲击为 3。调 β 时同步取 ω = 1 − α − β,让长期方差始终等于 1;这样图上比较的是回落速度,不是基准高低。一步方差始终是 2.6。
为什么第二步要乘 α+β 而不只是 β?在今天看来,明天的残差平方还未知,其期望就是明天的方差。记 H_h=E_t(\sigma_{t+h}^2),代回方差方程:
H_{h+1}=\omega+(\alpha+\beta)H_hH_{h+1}-v=(\alpha+\beta)(H_h-v)H_h=v+(\alpha+\beta)^{h-1}(H_1-v)这是对未来取期望的递推。若已经有一串实际历史残差,把已知的滞后方差逐次展开,则昨天、前天、更早的平方残差权重是 α、αβ、αβ²。后一个问题固定历史输入,衰减率才是 β。
备考:如何变成 ARMA(1,1),拟合后检查什么?
仍用上一节的 ν。把滞后方差替换为滞后平方残差减去滞后 ν,再加回当期 ν:
a_t^2=\omega+(\alpha+\beta)a_{t-1}^2+u_tu_t=\nu_t-\beta\nu_{t-1}在四阶矩有限时,这是平方序列的 ARMA 表示。高斯情形的四阶矩还要求 3\alpha^2+2\alpha\beta+\beta^2<1。拟合后用预测标准差而非方差去除尺度,得到标准化残差,再检查它及其平方是否还存在相关。