预测原油市场的波动性：政权更迭会导致GARCH吗

马尔可夫转换模型的进展，223-254。Lamoureux，Christopher G.和William D.Lastraps（1990）方差持续性、结构变化和GARCH模型。商业与经济统计杂志8225-234。Ling，Shiqing和Michael McAleer（2002a）的充分必要矩条件！21!!对于GARCH（r，s）和非对称幂GARCH（r，s）模型。计量经济学理论18722-729。凌、石青和迈克尔·麦卡勒。（2002b）GARCH过程族的平稳性和矩的存在性。计量经济学杂志106109-117。马内拉、马特奥、奇亚拉·隆戈、阿尼尔·马坎迪亚和伊莉莎·斯卡帕。（2007）评估石油价格预测的替代计量经济模型的实证表现。埃尼·恩里科·马泰基金会工作文件。Marcucci，Juri（2005）用制度转换GARCH模型预测股市波动。非线性动力学与计量经济学研究9，1558-3708。Marzo、Massimiliano和Paolo Zagaglia（2010）原油期货波动性预测。《应用经济学快报》171587-1599。Mohammadi、Hassan和Lixian Su（2010）原油价格动态的国际证据：ARIMA-GARCH模型的应用。能源经济学321001-1008。Nelson，Daniel B（1991）《资产回报中的条件异方差：一种新方法》。计量经济学：计量经济学学会杂志59347-370。Pagan、Adrian R.和G.William Schwert（1990）条件股票波动的替代模型。计量经济学杂志45267-290。Pesaran，M.Hashem和Allan Timmermann（1992）对预测性能进行了简单的非参数检验。商业与经济统计杂志10461-465。Sadorsky，Perry（1999）石油价格冲击和股市活动。能源经济学21449-469。

Timmermann，Allan（2000）马尔可夫切换模型的矩。《计量经济学杂志》96，75-111。王玉东和吴崇峰（2012）使用GARCH模型预测能源市场波动：多变量模型能击败单变量模型吗？能源经济学342167-2181。Wei，Yu，Yudong Wang和Dengshi Huang（2010）预测原油市场波动：使用GARCH类模型的进一步证据。能源经济学321477-1484。！22!!张金亮、张跃军和张璐（2015）一种新的原油价格预测混合方法。能源经济学49649-659。张跃军和王静（2015）使用马尔可夫机制转换模型探索WTI原油价格泡沫过程。物理学A：统计力学及其应用421377-387。张跃军和王子怡（2013）研究原油和汽油期货市场的价格发现和风险转移函数：一些经验证据。应用能量104220-228。张跃军和张璐（2015）。解释原油价格变动：来自马尔可夫机制转换模型的证据。应用能量143，96-109！我这个估计！时期和这个预测！时期是不对称自从信息技术是普遍地ac ce pted！那个这个样本中！时期应该是长的不！d！这个！样本数量！时期应该是更短的此外相符合的到贝米里！和马内拉！(2 0 1 5 ),!阿奇！预测！是敏感的到这个在场属于欧特利尔斯，！b哦！这个！我是爱尔兰人！后果在里面不是他！哦！一式两份！那个这个预测错误！是可以接受，！即。，！离群者！做不明显地！查恩！这个最终的后果

!因此我们做不丢弃这个离群者！什么时候这个时间时期！是挑选出来的。！二、这个文学聚焦！在…上政体切换！属于油价格波动！哦，弗顿！领养！这个两个政权！或三个政权！切换！模型我们测验这个数字属于政权！通过这个有用的工具提出！通过汉森！(1992,!1996)!和我们估计吃了！这个sam p le s！具有二者都两个政权！和三个政权！切换！模型。！这个后果表明t帽子！最属于这个参数！在里面这个三个政权！切换！模型是不统计数据！重要的但是这个意义属于这个参数！在里面这个两个政权！切换！模型出现！美好的亨斯，！我们选择这个两个政权！切换！模型在里面这纸张23!!表和图表1：单区GARCH模型的估计结果δ0α1α1βξν面板A：每日数据GARCH0的结果。0932***（2.8840）0.1051***（4.9290）0.0636***（7.4500）0.9154***（94.3580）_7.1651***（10.0360）GJR-GARCH0。0812**（2.4880）0.1011***（5.1830）0.0843***（7.4740）0.9199***（104.1620）0.0328***（3.1900）7.2264***（10.0990）EGARCH0。0651**（2.0060）-0.0651***（-6.3450）0.1048***（7.3600）-0.0425***（-4.4880）0.9900***（325.4720）7.1394***（10.2050）面板B：每周数据GARCH0的结果。3122**（2.3490）0.4314**（2.4490）0.0705***（3.5250）0.9029***（40.2110）_8.9803***（4.3870）GJR-GARCH0。2884**（2.1270）0.4586***（2.6090）0.0887***（3.5710）0.9049***（38.2560）0.0395（1.2750）9.2029***（4.4310）EGARCH0。2400*（1.7810）-0.0404（1.0500）0.1308***（3.3420）-0.0527**（2.3340）0.9764***（72.1500）9.9318***（4.1730）面板C：月度数据GARCH1的结果。1175*（1.8830）10.0000（1.2310）0.1645**（2.1540）0.6800***（3.652）_14.6418（0.7610）GJR-GARCH0。0705*（1.7750）2.0000（0.9740）0.1438**（2.4980）0.8293***（13.0540）0.1600（1.3340）10.4753（1.1440）EGARCH1。2577**（1.9650）0.9914（1.6760）0.3241*（1.7700）-0.1823*（1.7150）0.6945***（4.5260）342.2000（0.0240）注：统计数据的t值用括号表示。

***、**和*分别表示1%、5%和10%水平的重要性。！24!! 表2：两个区域MRS-GARCH模型的估计结果系数每日每周每月（1）δ0.0599（1.3680）1.3096***（3.4830）-11.9622***（13.6650）（2）1β0.8906***（30.9250）0.8098***（10.0570）0.6047***（3.9540）（2）δ0.1653***（2.8130）-1.0668*（1.9580）2.1920***（4.1790）p0。9996***（1855.8300）0.7811***（7.2540）0.2110（1.0940）（1）0α0.0448**（2.2700）0.0001（0.0001）0.0001（0.0001）q0。（2）0α0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 10 10***（2.7910 10）0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0.1796**（2.174）0.0309（0.4000）（1）1β0.9266***（65.0500）0.9009***（19.9860）0.0001（0.0001）注：t值括号中显示了统计数据的数量。***和*分别表示1%、5%和10%水平的重要性。！25!! 表3：样本内拟合优度统计模型AICMSEMADQLIKE2R LOGValueRankValueRankValueRankValueRankValueRankPanel A：每日数据的结果GARCH4。386226.2716.4402.5947.239GJR-GARCH4。383227.0936.4412.5917.2714。593275.8985.5984.5535.368MRS-GARCH4。381224.0166.4452.5837.291面板B：每周数据GARCH5的结果。5858.15018.6743.7696.228GJR-GARCH5。5848.08518.5553.7666.2195。5817.87118.1603.7596.173MRS-GARCH5。5767.68117.7513.7675.974面板C：月度数据GARCH7的结果。13628.82565.0225.2806.965GJR-GARCH7。11132.64571.6995.2277.674EGARCH6。99631.09870.6315.0968.160MRS-GARCH6。92748.59585.7735.1817.688注：秩=1,2,3,4代表从最好到最差的结果。AIC表示Akaike信息标准。