张 培， 王晶晶， 高显彩

(宿州学院 数学与统计学院, 安徽 宿州 234000)

自回归条件异方差(ARCH)模型是一种用来处理时间序列的模型。金融市场的波动率与风险直接挂钩，资产波动越大，风险则越大，获得更高收益的可能性也会越大，在股市中可以利用ARCH模型预测股票的波动率，以达到控制风险的目的。ARCH族模型发展时间不长，但被广泛应用于金融市场、理论命题检验、季节性分析等方面的波动性研究。Robert提出自回归条件异方差(ARCH)模型，并发展了一系列波动性模型及统计分析方法[1]；Bollerslev在此基础上提出的广义自回归条件异方差(GARCH)模型可以很好地描述金融时间序列波动的动态变化特征，捕捉其波动集聚性和条件异方差性[2]。近年来，Elyasiani通过GARCH模型对银行和保险公司收益风险的关联性进行了研究[3]；唐俊波等通过GARCH建模对上证指数收益率波动进行分析，得出上证指数收益率序列具有显著的异方差特征[4]；郭睿等对上证指数进行分析后认为上海证券市场股价的波动存在着显著的GARCH效应[5]；杨继平等利用非参数GARCH模型估计样本区间的波动率，分析了股市结构性波动产生的政策性影响因素[6]；张超利用GARCH族模型对上证指数波动性进行了比较研究，分析表明上证股票收益率具有显著的条件异方差性[7]；成城通过对比分析发现EGARCH模型的表现普遍优于GARCH模型[8]；邓琳通过ARCH检验建立GARCH模型的方法研究条件方差，结果表明人民币汇率市场多数时间段存在异方差效应[9]。

本文基于……