楼主: 可人4
1279 22

[量化金融] 资产收益率与GARCH强度模型中的条件相关性 [推广有奖]

21楼
nandehutu2022 在职认证  发表于 2022-5-5 05:22:44
α+>α的actf-对于任何假定的跳跃,s ize意味着向下运动受先前信息ε的影响小于向上运动,这是第2节中解释的条件不对称。表中给出了基于估计参数的日收益率分布的理论无条件标准差。无条件标准差变量8:当β=β+=β时,基本GARCH型强度模型的参数集-δ 0.05 0.01 0.005 0.002 0.001ω+0.0057 0.0111 0.0140 0.0461 5.2428(0.0014) (0.0028) (0.0038) (0.0135) (0.7535)β 0.9040 0.9358 0.9402 0.9440 0.8200(0.0061) (0.0062) (0.0065) (0.0074) (0.0224)α+17.77 275.1 1095.3 6568.4 29364(1.44) (27.5) (130.1) (836.8) (3646)ω-0.0053 0.0093 0.0107 0.0399 5.1899(0.0013) (0.0027) (0.0037) (0.0137) (0.7474)α-16.17 262.8 1069.3 6524.6 29226(1.28) (27.5) (130.2) (839.8) (3601)-对数可能性241170371026214910 19007std。偏差0.785 0.222 0.165 0.153 0.147超过δ。当δ=0.05时,理论无条件标准偏差与表7中样本的经验标准偏差相比太大。我们观察到,随着跳跃的增大,估计的标准偏差减小。通过比较表7中标准偏差的样本标准偏差和表7中的理论值,我们可以假设合理的跳线尺寸小于0.01(约0.005)。由公式(5)确定的参数的标准化值如表9所示。通过这种方式,我们证明ω*±, α*对于所有跳跃大小,±和β具有相似的值。(事实上,归一化参数ω*±, α*除了f或δ=0.001的情况外,随着jum p尺寸的增加,±会略微增加。随着跳跃大小的增加,参数β略有减小。)一致性表明跳跃大小δ与回归序列的依赖结构和条件对称性无关。

22楼
大多数88 在职认证  发表于 2022-5-5 05:22:46
从现在开始,我们将展示各种跳跃大小的估计结果。参数α+和α-在捕捉条件不对称性方面发挥关键作用。即使我们观察到α+>α-对于所有跳跃大小,我们无法确定估算值之间是否存在显著差异,因为与相应的标准误差相比,差异相对较小。因此,我们报告了α+=α的零假设的p值-在表10中,p值通过自举法计算。因此,在5%的水平上,我们拒绝了α+=α的条件对称性-适合所有尺寸的跳跃。在1%的水平上,我们拒绝所有跳跃大小的条件对称性,除了δ=0.001的情况。接下来,我们考虑具有参数集θ={ω±,β±,α±}的基本GARCH强度模型,即不受β±的约束。表11给出了各种jum p尺寸δ的最大似然法估计值。与前一种情况类似,我们观察了表9:当β=β+=β时,基本GARCH型强度模型的归一化参数集-δ 0.05 0.01 0.005 0.002 0.001ω*+1.43 × 10-51.11 ×10-63.49 × 10-71.84 × 10-75.24 × 10-6(3.52 × 10-6) (2.81 × 10-7) (9.51 × 10-8) (5.38 × 10-8) (7.54 × 10-7)β 0.9040 0.9358 0.9402 0.9440 0.8200(0.0061) (0.0062) (0.0065) (0.0074) (0.0224)α*+0.0442 0.0275 0.0274 0.0263 0.0294(0.0036) (0.0036) (0.0033) (0.0033) (0.0036)ω*-1.32 × 10-58.68 ×10-72.68 × 10-71.59 × 10-75.19 × 10-6(3.37 × 10-6) (2.67 × 10-7) (9.18 × 10-8) (5.50 × 10-8) (7.47 × 10-7)α*-0.0404 0.0263 0.0267 0.0261 0.0292(0.0032)(0.0027)(0.0033)(0.0034)(0.0036)表10:p值f或α+=α的零假设-δ0.05 0.01 0.005 0.002 0.001p-值0.0000 0.0000 0.0003 0.0004 0.0233估计中的条件不对称性,因为我们有α+>α-适合所有尺寸的跳跃。利用得到的估计,我们模拟了一个收益序列,并计算了序列条件相关性。

23楼
可人4 在职认证  发表于 2022-5-5 05:22:49
条件不对称性如图6和图7所示,图6底部的条数小于顶部的条数,图7右侧的条数小于左侧的条数。Comp是图1和图2的图表。附录A.1中绘制了各种有趣的相关图。我们还观察到,与之前的情况相比,可能性略有增加,在这种情况下,我们的约束条件是β+=β-. α+=α的零假设的p值-如表12所示。对于所有情况,我们都拒绝零假设,这意味着在1%水平上的条件系统。我们还在表13.4.2中给出了GJR-GARCH型强度模型的参数标准化估计。现在,我们认为GJR型强度模型包含了无法在基本GARCH模型中捕捉到的杠杆效应。正如Engle和Ng(1993)所报告的那样,波动性的原始GJR模型可以捕捉杠杆效应。通过这些参数,我们可以捕捉杠杆效应。假设γ+>0和γ-> 0.如果坏消息到来,即ε(ti)-1) <0,今天的波动性比好消息到来时增加得更多。参数估计值见表14。

您需要登录后才可以回帖 登录 | 我要注册

本版微信群
扫码
拉您进交流群
GMT+8, 2026-11-22 18:59