回答(1)
黄石2024-07-02 11:27:07
同学你好。滤波历史模拟法的提出者认为历史数据并非iid,并不能直接用于模拟。因此,这种方法使用AR-GARCH模型建模历史数据,其中AR模型建模的是条件均值,GARCH模型建模的是条件方差。最终,将历史期间AR模型的残差除以GARCH模型对应预测得到的方差开根号(也就是标准差)、得到一个全新的标准化后的残差(standardized residual),滤波历史模拟法的提出者认为这是一个适用于模拟的历史样本。接下来,他们通过对标准化残差的样本使用bootstrapping的方式来去进行模拟。对于滤波历史模拟法,建议同学知道它大体有哪些关键词、有什么优势即可,具体做法相对来说还是比较深入的。FRM一级对GARCH模型的介绍较为粗略,其实对于帮助理解这里GARCH模型的使用帮助不大,包括原作者其实也是使用的GARCH模型的进阶版,asymmetric GARCH模型进行的建模。
- 评论(0)
- 追问(2)
- 追问
-
那么能不能理解为FHS其实就是延续了前面volatility及correlation两种方法的思想,只是波动率和相关系数是从GARCH等模型中获得的?
- 追答
-
同学你好。FHS本质上确实是volatility-weighted HS的一个进阶。但是volatility-weighted HS(包括correlation-weighted HS)当中的波动率也是基于GARCH模型得到的估计(correlation-weighted HS的话要用到multivariate GARCH)。二者第一个区别在于,volatility-weighted HS是直接对return本身除以GARCH预测得到的波动率(Hull & White提出return/volatility在一定程度上是平稳的,接近iid,适合模拟),而FHS则是额外对return进行了ARMA类型的建模,并将模型残差除以GARCH预测得到的波动率(得到标准化后的残差)来去进行模拟(作者认为标准化后的残差是iid,适合模拟)。其次,FHS还额外引入了bootstrapping的思想,通过对标准化后的残差进行重抽样来去模拟未来一段时间内的情景。
评论
0/1000
追答
0/1000
+上传图片
