SV与GARCH模型对金融时间序列刻画能力的比较研究

被引：40

作者：

余素红

张世英

不详

机构：

[1] 天津大学管理学院

[2] 天津大学管理学院天津

[3] 天津

来源：

系统工程 | 2002年 / 05期

关键词：

GARCH模型; SV模型; “高峰厚尾”分布; 自相关函数;

D O I：

暂无

中图分类号：

F830.91 [证券市场];

学科分类号：

1201 ; 020204 ;

摘要：

围绕金融市场上的两个典型现象 :时间序列分布上的“高峰厚尾”性和“平方序列微弱而持续的自相关”性 ,对比 SVAR(1)模型和 GARCH(1,1)对此现象的刻画能力。首先从理论论证 SVAR(1)模型具有比 GARCH(1,1)更吻合这两个现象的数值指标 ,接着利用上海股市收益作实证检验 ,通过分析具体模型 ,再次说明 SVAR(1)模型较之 GARCH(1,1)能更好的拟合实际数据。最后提出对标准 SV模型的一系列改进措施 ,以进一步增强 SV模型对金融实务的刻画能力。

引用

页码：28 / 33

页数：6

共 9 条

[1]

Non-linear filtering approach to stochastic volatility models with an application to daily stock returns. Watanabe T A. Journal of Applied Econometrics . 1999

[2]

On the normal inverse gaussian stochastic volatility model. Andresson J. Journal of Business . 2001

[3]

Quasi -maximum likelihood estimation of stochastic volatility models. Ruiz E. Journal of Econometrics . 1994

[4]

Stochastic volatility models: conditional normality versus heavy-tailed distribution. Liesenfeld R,Jung R C. Journal of Applied Eonometrics . 2000

[5]

Generalized autoregressive conditional heteroskedasticity. Bollerslev T. Journal of Econometrics .

[6]

Stochastic volatility. Ghysel E,Harvey A C,Renault E. The Review of Economic Studies . 1994

[7]

Stochastic volatility: likelihood inference and comparison with ARCH models. Kim Shephard &Chib. The Review of Economic Studies . 1998

[8]

Multivariate stochastic variance models. Harvey A,etal. The Review of Economic Studies . 1994

[9]

Two stylized facts and the GARCH(1, 1) model. Terasvirta J. Working Paper Series in Economics and Finance . 1996

← 1 →