摘 要 文章主要介紹ARCH/GARCH模型的基本原理、主要特點和重要擴展，結(jié)合2012年1月至2014年6月上證指數(shù)序列，闡述了應(yīng)用MATLAB進行金融時間序列分析、建模、預(yù)測的方法和過程。

關(guān)鍵詞 時間序列分析；ARCH；GARCH；MATLAB

中圖分類號：O212.1 文獻標(biāo)識碼：A 文章編號：1671-7597（2014）16-0105-03

金融市場波動性的研究是金融資產(chǎn)收益預(yù)測、金融資產(chǎn)定價、金融風(fēng)險管理等問題的基礎(chǔ)，是當(dāng)前金融計量學(xué)領(lǐng)域的熱點問題。美國加州大學(xué)圣迭哥分校R.F.Engle（1982）提出的ARCH模型，即自回歸條件異方差模型，開創(chuàng)了利用時間序列分析研究金融市場波動時變性和異方差性的先河，被認(rèn)為是過去二十年內(nèi)金融計量學(xué)發(fā)展中的重大創(chuàng)新，簡單地說，該模型將當(dāng)前一切可利用信息作為條件，并采用某種自回歸形式來刻劃方差的變異，對于一個時間序列而言，在不同時刻可利用的信息不同，而相應(yīng)的條件方差也不同，利用ARCH模型，可以刻劃出隨時間而變異的條件方差。此后ARCH模型得到了極為迅速的發(fā)展，研究者先后在ARCH模型基礎(chǔ)上，擴展提出了不同類型的GARCH模型，這些ARCH/GARCH模型已被廣泛地用于金融政策研究、金融理論檢驗以及金融市場的預(yù)測和決策。

MATLAB是美國MathWorks公司研發(fā)的科學(xué)計算軟件，它具有強大的矩陣運算、數(shù)值分析、圖形處理功能，豐富的金融計量工具箱，和良好開放性、易于擴展能力，為金融計量分析研究提供了有力武器。MATLAB的GARCH工具箱提供了對波動性強的單變量金融時間序列建模的綜合計算環(huán)境，采用ARMAX和GARCH混合模型對具有條件異方差性質(zhì)金融時間序列進行模擬、預(yù)測、參數(shù)估計，支持先驗和后驗估計診斷、參差假設(shè)檢驗、模型選擇以及時間序列變換。

1 ARCH/GARCH模型及擴展

金融市場歷史數(shù)據(jù)研究表明，金融資產(chǎn)的收益率數(shù)據(jù)通常是序列不相關(guān)的隨機過程，存在顯著的波動集群和厚尾分布特征，其波動率隨時間以連續(xù)方式在一個固定范圍內(nèi)變化，而且波動率對資產(chǎn)價格大幅上升和大幅下降的反應(yīng)是不同的，后者對波動率的影響更大，存在杠桿效應(yīng)。這意味著給定過去的收益率時的條件方差并非常數(shù)，的條件方差也稱為條件波動率，為條件均值，（）為資產(chǎn)收益率的擾動。ARCH 模型的基本思想是：資產(chǎn)收益率的擾動序列是前后不相關(guān)的，但不是獨立的，的不獨立性可以用其滯后值的簡單二次函數(shù)來描述。

2）模型的擾動有厚尾分布特征。若滿足相關(guān)約束條件，可證明的峰度為正的，分布的尾部比正態(tài)分布尾部厚，中出現(xiàn)"異常值"比獨立同分布的正態(tài)隨機變量序列出現(xiàn)"異常值"的頻率高。

ARCH/GARCH模型主要缺點是對正的和負(fù)的“擾動”有相同的反應(yīng)。因為ARCH/GARCH模型中波動率依賴于過去“擾動”的平方，實際市場上金融資產(chǎn)的價格對正的“擾動”和負(fù)的“擾動”的反應(yīng)是不同的。

為克服ARCH/GARCH模型在處理金融時間序列時的缺點，眾多研究者開展的拓展研究，從1982年開始就一直沒有間斷，力圖通過不斷挖掘這個模型的潛力，來不斷增強解釋和預(yù)測市場的能力，從此以后，幾乎所有的ARCH模型新成果都是在GARCH模型基礎(chǔ)上得到的。Nelson（1991）提出了指數(shù)GARCH模型（稱為EGARCH模型），Glosten （1993）提出了門限GARCH模型（稱為TGARCH模型或GJR模型），在這些模型中皆較好體現(xiàn)了正的和負(fù)的資產(chǎn)收益率的非對稱效應(yīng)。其他著名的擴展模型有：求和廣義自回歸條件異方差模型（IGARCH）、非對稱冪自回歸條件異方差模型（APARCH）、風(fēng)險溢價GARCH模型（GARCH-M）、非對稱GRACH模型（NGARCH）等。

2 建模與應(yīng)用

MATLAB的GARCH工具箱采用ARMAX和GARCH混合模型對具有條件異方差性質(zhì)金融時間序列進行模擬、預(yù)測、參數(shù)估計，支持ARMA、ARCH、GARCH、EGARCH、TGARCH等模型應(yīng)用。下面以2012年1月至2014年6月上證指數(shù)日收益率為例，闡述應(yīng)用GARCH工具箱進行時間序列分析、建模、預(yù)測的方法和過程。本文使用的軟件版本為MATLAB V7.10（R2010a）。

2.1 估計前的準(zhǔn)備

將日收益率數(shù)據(jù)保存在MATLAB 工作目錄下的SHEXindex2012-2014.txt 文件中，用函數(shù)load讀入MATLAB保存在變量CloseIndex中，再利用price2ret 函數(shù)將價格時間序列CloseIndex轉(zhuǎn)換為收益率時間序列ReturnRatio。

通過日收益率的ACF和PACF檢驗金融時間序列的相關(guān)性，日收益率平方的ACF檢驗金融時間序列高階相關(guān)性。均值殘差Ljung-Box Q檢驗和ARCH檢驗可以來檢驗金融時間序列ARCH效應(yīng)，通過這些先驗診斷可以金融時間序列的特性，為估計模型選擇奠定基礎(chǔ)。3 結(jié)束語

ARCH/GARCH模型能準(zhǔn)確地模擬金融時間序列變量的波動性的變化，它在金融計量學(xué)的實證研究中應(yīng)用廣泛，使人們能更加準(zhǔn)確地把握市場風(fēng)險，尤其是應(yīng)用在風(fēng)險價值理論中，被稱為金融行業(yè)不可或缺的重要手段。MATLAB 數(shù)學(xué)計算功能強大，工具箱豐富，語言靈活，易于移植修改，因其開放性和穩(wěn)定性已成為公認(rèn)的標(biāo)準(zhǔn)計算軟件，全球上千多家金融機構(gòu)使用其建立經(jīng)濟、金融模型來估計經(jīng)濟風(fēng)險，進行證券定價、資產(chǎn)組合收益分析等工作，具有SAS、Eviews其他時間序列計算軟件不可比擬的優(yōu)勢。本文主要介紹了ARCH/GARCH模型原理、主要特點和重要擴展，結(jié)合2012年1月至2014年6月上證指數(shù)序列，闡述了應(yīng)用MATLAB進行金融時間序列分析、建模、預(yù)測的方法和過程。

參考文獻

[1]Jonathan D.Cryer and Kung-Sik Chan，Time Series Analysis with Applications，Second Edition （ISBN 978-0-387-75958-6）， Springer Science + Business Media，LLC，2008.

[2]Ruey S. Tsay. An Introduction to Analysis of Financial Data （ISBN 978-0-470-89081-3），John Wiley & Sons. LLC， 2012.

[3]鄭志勇，金融數(shù)量分析—基于MATLAB的編程[M].北京航空航天大學(xué)出版社，2009.

[4]魏紅燕，孟純軍，基于GARCH模型的短期匯率預(yù)測[J].經(jīng)濟數(shù)學(xué)，2014，31（1）.

[5]孫映宏，曹顯兵，基于GARCH模型的中美匯率實證分析[J].數(shù)學(xué)的實踐與認(rèn)識，2012，20（42）.

[6]王國鋒，王子良等，Matlab在時間序列分析中的應(yīng)用[J].應(yīng)用科技，2003，30（5）.

[7]李興緒，崔建福，MATLAB在金融時間序列分析及建模中的應(yīng)用[J].計算機工程與科學(xué)，2004，26（7）.

作者簡介

陶爽（1992-），女，河南鄭州人，本科在讀，研究方向：基礎(chǔ)數(shù)學(xué)、復(fù)雜系統(tǒng)。endprint