基于變換核密度估計的半參數GARCH模型研究.pdf

1、對金融資產波動性的建模是金融時間序列分析的重要內容，其對于資產定價、金融風險管理以及市場微觀結構分析都有著重要的意義。金融資產的波動通常表現出聚集性和長記憶性，且正的收益率和負的收益率會對波動率產生非對稱的影響，即所謂的“杠桿效應”。GARCH模型是最為常用的描述金融資產波動特征的時間序列模型。
　　對于傳統(tǒng)的參數化GARCH模型，通過設定收益率的條件分布為某一特定的參數分布，繼而可由極大似然估計法得到模型的參數估計，其中最為常用

2、的是基于條件正態(tài)假設的偽極大似然估計(QMLE)。但大量的文獻研究表明，收益率的分布通常具有尖峰、厚尾及有偏的特點，其條件分布往往也非常不均勻，并不符合正態(tài)性假定。雖然在滿足一定的正則條件下，QMLE是漸近相合的，但其在效率上的損失也是不容忽視的。此外，基于特定分布假設下的參數化模型往往具有較高的模型誤設風險。為此，一些學者將非參數方法與參數化的GARCH設定相結合，建立了不依賴于條件分布假設的半參數GARCH模型，以期提高參數估計的相

3、對效率以及模型的精準度。但傳統(tǒng)的非參數方法并不能很好地估計收益率的條件分布密度，尤其無法捕捉厚尾特征。
　　針對上述問題，本文借鑒變換核密度估計的崽想，提出了一種廣義Logistic變換，并對變換后的樣本應用Beta核密度估計以克服“邊界偏差”問題。模擬試驗表明，該方法顯著提高了對尖峰厚尾分布密度的估計精度。繼而將該方法與參數化的GARCH設定相結合，構建了一種新的半參數GARCH模型。該模型具有兩個優(yōu)點:第一，基于變換核密度估計