基于高频数据的非平稳GARCH(1,1)模型的拟极大指数似然估计

CSpace > 应用数学研究所

	基于高频数据的非平稳GARCH(1,1)模型的拟极大指数似然估计
其他题名	Quasi-maximum exponential likelihood estimation for non-stationary GARCH（1,1） models with high-frequency data
	吴思鑫1 ; 冯牧 2; 张虎 3; 陈敏1
	2018
发表期刊	中国科学:数学
ISSN	1674-7216
卷号	48.0 期号:003 页码:443-456
摘要	波动率的统计分析一直是金融市场量化分析的重要问题.收益率替代模型能将日内的收益率高频数据嵌入到日间的收益和波动率的模型中,因此可以通过构造合适的收益率替代来改进收益和波动率模型中的参数估计的精度.提高估计精度的直接作用就是改进VaR的预报精度,提高风险管理水平.本文针对非平稳GARCH(1,1)模型,构建新的收益率替代模型—基于高频数据的非平稳GARCH模型.不同于传统的Gauss拟极大似然估计(QMLE),本文对收益率替代模型提出拟极大指数似然估计(QMELE).在残差的二阶矩有限的情形下,建立QMELE的强一致性和渐近正态性.数值模拟的结果显示,基于高频数据的估计QMELE具有更小的均方误差.同时通过实际的金融数据说明,包含更多信息的日内高频数据下的收益率替代模型的估计所对应的VaR估计是有效的.
其他摘要	Volatility is of importance in finance engineering and quantitative analysis. The proxy return models could embed the intraday return processes into the daily return and volatility models. We construct an appropriate proxy for the return or volatility and improve the accuracy of the estimation of the parameters in the model.The direct effect of the improvement of estimator accuracy is to give a more accuracy prediction for VaR and risk management. This paper constructs a new proxy return model which is based on non-stationary GARCH model with the using of high-frequency data. Different from the traditional QMLE, this paper investigates the QMELE and the consistency and the asymptotic normality of the QMELE are obtained under only finite second moments. A simulation study is carried out to assess the performance of the QMELE, and a real example of VaR estimation on the real financial market is given.
关键词	高频数据非平稳 GARCH模型拟极大指数似然估计 VaR
收录类别	CSCD
语种	中文
CSCD记录号	CSCD:6189892
引用统计
文献类型	期刊论文
条目标识符	http://ir.amss.ac.cn/handle/2S8OKBNM/56908
专题	应用数学研究所
作者单位	1.中国科学院数学与系统科学研究院 2.中国科学技术大学 3.中南财经政法大学
推荐引用方式 GB/T 7714	吴思鑫,冯牧,张虎,等. 基于高频数据的非平稳GARCH(1,1)模型的拟极大指数似然估计[J]. 中国科学:数学,2018,48.0(003):443-456.
APA	吴思鑫,冯牧,张虎,&陈敏.(2018).基于高频数据的非平稳GARCH(1,1)模型的拟极大指数似然估计.中国科学:数学,48.0(003),443-456.
MLA	吴思鑫,et al."基于高频数据的非平稳GARCH(1,1)模型的拟极大指数似然估计".中国科学:数学 48.0.003(2018):443-456.