更多服务

特色服务

找学习资源

查报考信息

看备考资讯

备考工具箱

报考指南

报名入口

报名流程

考试动态

考试日历

备考指南

资料中心

福利政策

热门题库

全部

FRM知识点介绍：GARCH模型

来源：高顿网校 2015-09-15

　　FRM考试中，对于风险的衡量有许多模型。而对于波动性来说，GARCH模型是适用于波动性的分析和预测，是FRM考试中的考点之一。由于GARCH模型在大学内容中属于计量经济学范畴，难度还是比较大的，接下来高顿网校FRM小编就给大家简单介绍一下GARCH模型。
GARCH模型的概述

　　GARCH，英文Generalized AutoRegressive Conditional Heteroskedasticity，又称“广义ARCH模型（Generalized ARCH）”、“广义自回归条件异方差模型”。

　　自从Engle（1982）提出ARCH模型分析时间序列的异方差性以后，波勒斯列夫T.Bollerslev（1986）又提出了GARCH模型，GARCH模型是一个专门针对金融数据所量体订做的回归模型，除去和普通回归模型相同的之处，GARCH对误差的方差进行了进一步的建模。特别适用于波动性的分析和预测，这样的分析对投资者的决策能起到非常重要的指导性作用，其意义很多时候超过了对数值本身的分析和预测。

　　一般的GARCH模型可以表示为：

　　Y（t）=h（t）^1/2*a（t） ⑴

　　h（t）=h（t-1）+a（t-1）^2 ⑵

　　其中ht为条件方差，at为独立同分布的随机变量，ht与at互相独立，at为标准正态分布。⑴式称为条件均值方程；⑵式称为条件方差方程，说明时间序列条件方差的变化特征。为了适应收益率序列经验分布的尖峰厚尾特征，也可假设服从其他分布，如Bollerslev （1987）假设收益率服从广义t-分布，Nelson（1991）提出的EGARCH模型采用了GED分布等。另外，许多实证研究表明收益率分布不但存在尖峰厚尾特性，而且收益率残差对收益率的影响还存在非对称性。当市场受到负冲击时，股价下跌，收益率的条件方差扩大，导致股价和收益率的波动性更大；反之，股价上升时，波动性减小。股价下跌导致公司的股票价值下降，如果假设公司债务不变，则公司的财务杠杆上升，持有股票的风险提高。因此负冲击对条件方差的这种影响又被称作杠杆效应。由于GARCH模型中，正的和负的冲击对条件方差的影响是对称的，因此GARCH模型不能刻画收益率条件方差波动的非对称性。

　　GARCH模型的发展

　　为了衡量收益率波动的非对称性，Glosten、Jagannathan与Runkel（1989）提出了GJR模型，在条件方差方程⑶中加入负冲击的杠杆效应，但仍采用正态分布假设。Nelson（1991）提出了EGARCH模型。Engle等（1993）利用信息反应曲线分析比较了各种模型的杠杆效应，认为GJR模型*4地刻画了收益率的杠杆效应。Glosten、Jagannathan与Runkel（1993）分析比较了各种GARCH-M模型，指出不同的模型设定会导致条件方差对收益率产生正或负的不同影响。

高顿网校温馨提醒：2015年FRM备考已经开始，为了帮助大家充分备考，体验实战，提供给大家FRM考试考点复习笔记，针对性地训练与模考，对学习过程进行全面总结。点击免费获取>>>

　　FRM考试免费题库【手机题库下载】| 在线直播

　　FRM高清网课免费体验 FRM名师精品班免费试听

　　精彩推荐：

FRM考试，FRM是什么？

2015年FRM考试常见问题解析

FRM考试在线高清视频指导

版权声明：本条内容自发布之日起，有效期为一个月。凡本网站注明“来源高顿教育”或“来源高顿网校”或“来源高顿”的所有作品，均为本网站合法拥有版权的作品，未经本网站授权，任何媒体、网站、个人不得转载、链接、转帖或以其他方式使用。经本网站合法授权的，应在授权范围内使用，且使用时必须注明“来源高顿教育”或“来源高顿网校”或“来源高顿”，并不得对作品中出现的“高顿”字样进行删减、替换等。违反上述声明者，本网站将依法追究其法律责任。本网站的部分资料转载自互联网，均尽力标明作者和出处。本网站转载的目的在于传递更多信息，并不意味着赞同其观点或证实其描述，本网站不对其真实性负责。如您认为本网站刊载作品涉及版权等问题，请与本网站联系(邮箱fawu@gaodun.com，电话：021-31587497)，本网站核实确认后会尽快予以处理。

展开全文咨询在线