ARCH & GARCH入門
08-16
ARCH & GARCH入門
推薦閱讀:
來自專欄 Eureka機器學習讀書筆記5 人贊了文章
首先開始ARCH(1),模型如下:
這是條件方差,下面會證明
$
ARCH(p)即 ,從t-1到t-p。
我們將從三部分來理解ARCH(1):
第一部分:
:標準正態衝擊
:對衝擊 放大 倍
此就為條件方差
因此, 的條件分布:
第二部分:將 分解
重寫表達式:
第三部分:
約束: ,考慮到四階矩約束會更強
無條件方差由AR(1)可得:
由上可以看出: 是條件異方差,無條件同方差。
越大, 越大;同樣 越小, 越小,即波動聚集效應。
如下圖:紅色是 ,藍色是條件方差,綠色為無條件方差
GARCH(1,1),模型如下:
我們將從四部分來理解GARCH(1,1):
第一部分:
:對衝擊 放大 倍
,此為條件方差
因此, 的條件分布:
第二部分:將 分解
很容易證明 是鞅差序列,即: 。但是{ }通常不是iid序列。
重寫表達式:
第三部分:
約束: ,考慮到四階矩約束會更強
無條件方差由AR(1)可得:
第四部分:
...
由上可以看出: 對 有無限的記憶,因此,所有的 都是重要的。但是平穩性,係數會逐漸的衰減,這也是GARCH模型相對於ARCH模型好的原因。
參考:
https://www.youtube.com/watch?v=t8Bj0MkB5so
https://www.youtube.com/watch?v=wNzvJ3wsBPg
推薦閱讀:
※寫給你的金融時間序列分析:應用篇
※DARNN:一種新的時間序列預測方法——基於雙階段注意力機制的循環神經網路
※如何認識趨勢?|來自計量經濟學的視角
※Arima
TAG:時間序列分析 |