张 超,孟昭为
(山东理工大学 理学院,山东 淄博 255049)
SRSARV模型与GARCH及SV模型的关系研究
张 超,孟昭为
(山东理工大学 理学院,山东 淄博 255049)
平方根随机自回归波动模型(SRSARV)是一个具有较强包容性的模型.针对此特点讨论了该模型与GARCH类模型及SV类模型的具体包含关系,并对给出的相关定理予以证明,为在实际问题中根据具体情况选择模型提供参考.
GARCH模型;随机波动;状态空间;SRSARV模型
SRSARV模型是一个具有较强包容性的模型,它连接了GARCH类模型及SV类模型.下面总结一下它们之间的关系.
(1)
许启发等[3]给出了介绍SRSARV模型与ARCH模型的关系的定理,如下.
但是定理提出者没有给出具体的定理推导过程,下面本文作者在参考借鉴基础上给出自己的理解和证明.
ht+1=ft,Jt=It,β=γ-α
但是定理提出者没有给出具体的定理推导过程,下面本文作者在参考借鉴基础上给出自己的理解和证明.
证明 (必要性)
(充分性)
MeddahiN等[5]给出了介绍SRSARV模型与弱GARCH模型的关系的定理,如下.
但是定理提出者没有给出具体的定理推导过程,下面本文作者在参考借鉴基础上给出自己的理解和证明.
但是
随着金融理论不断发展和实证研究的进一步深入,越来越多的证据表明,在股票市场和汇率市场,金融资产收益率的波动率不仅具有时变性、集群性还具有非对称性.很多国家和地区的金融市场,特别是股票市场,存在显著的非对称性.国内外学者对此做了很多研究.
其中主要的非对称GARCH模型有以下几类[6].
模型1 GJR-GARCH
(1)
模型2 A-GARCH
(2)
模型3 NA-GARCH
(3)
模型4 VGARCH
(4)
那么,非对称GARCH(1,1),如GJR-GARCH(1,1)、A-GARCH(1,1)、NA-GARCH(1,1)、VGARCH(1,1),都是SRSARV(1)类模型.
许启发等[3]给出了介绍SRSARV模型与非对称GARCH模型的关系的定理,如下.
但是定理提出者没有给出具体的定理推导过程,下面本文作者在参考借鉴基础上给出自己的理解和证明.
定理1-定理4表明,SRSARV模型包含半强GARCH模型(更包含强GARCH模型);包含弱GARCH模型中的绝大部分;同时也包含各种非对称、非线性GARCH模型.尽管弱GARCH模型具有良好的聚合性质,但它不能捕获杠杆效应和偏度,然而 SRSARV模型却能做到这一点.
MeddahiN,RenaultE(2004)在参考文献[6]中给出了介绍SRSARV模型与SV模型的关系的定理,如下.
(5)
ht-1=ω+γht-1+vt
(6)
但是定理提出者没有给出具体的定理推导过程,下面本文作者在参考借鉴基础上给出自己的理解和证明.
[1]MeddahiN,RenaultE.AggregationandmarginalizationofGARCHandstochasticvolatilitymodels[J].EconomicsLetters,1999,64:31-36.
[2]DuanJC.AugmentedGARCH(p,q)processanditsdiffusionlimit[J].JournalofEconometric,1997,79:97-127.
[3] 许启发,张世英.金融波动的平方根随机波动模型[J]. 系统工程理论方法应用,2004,13(6):561-568.
[4]AndersenTG.Stochasticautoregressivevolatility:aframeworkforvolatilitymodeling[J].MathematicalFinance,1994,4(2):75-102.
[5]MeddahiN,RenaultE.Temporalaggregationofvolatilitymodels[J].JournalofEconomics,2004,119:355-379.
[6] 詹姆斯·D·汉密尔顿.时间序列分析[M].北京:中国社会科学出版社,1999:446-489.
[7] 杜子平,张世英.SV模型的聚合及边际化研究[J].系统工程理论方法应用,2002,11(2):173-176.
(编辑:姚佳良)
Relations between SRSARV model and GARCH or SV models
ZHANG Chao, MENG Zhao-wei
(School of Science, Shangdong University of Technology, Zibo 255049, China)
The square-root stochastic autoregressive volatility model (SRSARV) is a strong inclusive model, and for this specific feature of the model, we discussed the include class relations between SRSARV type and GARCH type models or SV models , and proved relevant theorems. The results would provide references for selecting models in practice.
GARCH; stochastic volatility; state-space; SRSARV
2015-01-09
张超, 男,zhangchaolg@163.com; 通信作者: 孟昭为,男,sdlgmzw@126.com
1672-6197(2015)06-0046-04
O213
A