广义自回归条件异方差(GARCH)是一种用于分析方差误差为序列自相关的时间序列数据的统计模型。GARCH模型假设误差项的方差服从自回归滑动平均过程。
尽管GARCH模型可用于分析许多不同类型的金融数据,如宏观经济数据,但金融机构通常使用它们来估计股票、债券和市场指数的回报率波动。他们利用得到的信息来帮助确定定价和判断哪些资产可能提供更高的回报,并预测当前投资的回报,以帮助他们进行资产配置、对冲、风险管理和投资组合优化决策。
当误差项的方差不是常数时,采用GARCH模型。也就是说,误差项是异方差项。异方差性描述了统计模型中误差项或变量的不规则变化模式。
本质上,只要存在异方差,观测值就不符合线性模式。相反,它们倾向于**在一起。因此,如果对这些数据使用假设方差为常数的统计模型,那么从模型中得出的结论和预测值将是不可靠的。
假设GARCH模型中误差项的方差是系统变化的,这取决于前期误差项的平均大小。换言之,它具有条件异方差性,其原因是误差项遵循自回归滑动平均模式。这意味着它是其自身过去值的平均值的函数。
GARCH是由当时的博士生Tim Bollerslev博士于1986年开发的,用于解决预测资产价格波动的问题。它建立在经济学家罗伯特恩格尔在1982年的突破性工作,介绍了自回归条件异方差(ARCH)模型。他的模型假设金融回报的变化不是随时间而恒定的,而是自相关的,或者是相互制约/依赖的。例如,人们可以在股票回报中看到这一点,在股票回报中,回报的波动期往往集中在一起。
自最初引入以来,GARCH出现了许多变体。其中包括非线性(NGARCH)和综合GARCH(IGARCH),前者处理收益率的相关性和观察到的“波动率聚类”,后者限制波动率参数。所有的GARCH模型变量都试图将收益的方向(正或负)与幅度(在原始模型中处理)结合起来。
GARCH的每一个推导都可以用来适应股票、行业或经济数据的特定质量。在评估风险时,金融机构将GARCH模型纳入其风险价值(VAR)、指定时间段内的最大预期损失(无论是单个投资或交易头寸、投资组合,还是部门或公司层面)。GARCH模型被认为提供了比单独跟踪标准差更好的风险度量。
在不同的市场条件下,包括在大萧条之前和之后,人们对各种GARCH模型的可靠性进行了各种各样的研究。
...间的推移逐渐散开,如上图所示。 异方差性违反了线性回归模型的假设,因此会影响模型的有效性 虽然异方差性不会导致系数估计的偏差,但它确实会降低估计的精度;较低的精度增加了系数估计值偏离正确总体值的可能...
...求你根据变量之间的关系创建预测或分析预测,那么学习回归分析将是非常值得的。 在本文中,您将学习简单线性回归的基础知识,有时称为“普通最小二乘法”或OLS回归,这是一种常用于预测和财务分析的工具。我们将从学...
...观察到各种数据点或数字之间的线性关系。我们通过绘制回归线来实现这一点,回归线试图最小化任何单个数据点与回归线本身的距离。在下面的图表中,数据点是蓝点,橙色线是回归线,红色箭头是观测数据和回归线之间的距...
什么是线性回归(linear regression)? 线性回归是将自变量和因变量之间的线性关系绘制成图形的数据图。它通常用于直观地显示关系的强度和结果的离散度——所有这些都是为了解释因变量的行为。 比如说,我们想测试吃冰淇淋...
...的(名义的,非标度的)。 它是连续变量的方差分析和回归的合并,并且具有协变量。其解释取决于有关输入模型的数据的某些假设。 因变量和自变量之间的关系在参数上必须是线性的。它评估被调整为协变量差异的总体均值...
方差分析Â vs回归 很难区分方差分析和回归之间的差异。这是因为这两个术语的相似之处多于不同之处。可以说,方差分析和回归是同一枚硬币的两面。 方差分析(ANOVA)和回归统计模型仅适用于有连续结果变量的情况。回归...
...比,方差分析很难计算。我们可以把它理解为方差分析和回归在某种程度上一起使用,即两个变量(相依变量和独立变量)以线性关系相互关联。而且,由于回归,它们具有同质性。此外,ANOCVA的使用及其结果完全取决于数据的...
线性回归是一种统计技术,用于了解独立(预测)变量和因变量(标准)之间的关系。当分析中有多个自变量时,这称为多元线性回归。一般来说,回归允许研究者提出一个一般性问题:“什么是……的最佳预测因子?” 例...
...复杂的概念。使用结构方程模型的研究人员对基本统计、回归分析和因子分析有很好的理解。建立一个结构方程模型需要严谨的逻辑以及对该领域理论和先前经验证据的深入了解。这篇文章提供了结构方程建模的一个非常一般的...