利用GARCH模型对人民币汇率预测(2)
对于这一新兴的 MRS-GARCH 模型，学术界内对其进行了相当的探讨和研究。Christian Francq, Jean-Michel Zakoian（2005）对标准 GARCH 模型以及Switching-regime GARCH 模型的概率结构做了一番探讨。Markus Haas 则对Regime-Switching Asymmetric Power GARCH 模型的自相关结构做了更深入的研究。Walter Kramer, Baudouin Tameze Azamo 在2007年也对衡量波动持续性的变参数进行了研究并发布了相关研究文献。 对 MRS-GARCH 的模型的研究并不仅局限在自身，该理论模型也同样能被应用到其他金融细分领域进行研究。该结论在Cai(1994)将其运用到3月期的T-bill阅读超额收益中被得以证实。Regime-Switching GARCH 模型被应用与对美元-英镑、美元-德国马克、美元-日元的数据进行拟合，Franc Klaassen 发现其模型能有效地解决单一机制模型的高波动性问题。 Juri Marcuccci 则在研究中发现在旨在统计短期水平上的损失函数标准，MRS-GARCH模型的预测能力高于标准 GARCH模型。此外，研究者还发现并没有任何一个模型能够在兼顾所有衡量标准的情况达到最好效果。Celso Brunetti, Chiara Scotti, Roberto S.Mariano c,Augustine H.H.Tan（2008）在研究东南亚四国汇率扰动特征中运用了 Markov switching GARCH 模型。
在该研究中 Markov switching GARCH 模型在鉴别真是有效汇率、货币供应量、股指受益和银行板块股指受益以及波动率呈高波动阶段的判断能提供可靠和详实的帮助。 针对 MRS-GARCH 模型，国内学者与机构更多倾向于应用研究。诸如谢赤与刘谭秋利用一个两状态马尔科夫转换模型来研究人民币兑换美元汇率的动态行为。其研究结果发现贬值状态和升值状态都呈现比较高的持续性，其中升值的平均持续时间达到了 8.3个月。其结果显示 MRS-GARCH 模型能相对准确地描绘出在实际情况下汇率的行为特征。孙金丽（2003）利用马尔科夫状态转换 GARCH模型被引入用以解决告诫滞后带来的预估问题。而在对中国股票市场的波动性研究上来看，通过蒋祥林，王春峰，吴晓霖（2004）对SW-ARCH模型的应用研究证实其中国股市低波动性状态向高波动性状态转移的主要原因在于其政府的监控因素与政策因素所导致的，而不是如美国股市波动性状态转移是由于类似的因素。
结合上文中对国内外研究结论与现状的讨论，若要改善合理范围内的方差波动持续性，对 GARCH 组模型的研究需要进行结构的分析和转换。并且，在这一基础上，同时讨论多个具有可变结构波动持续性的方差过程的协同关系，才能真是反映多个金融时间序列的二阶距意义下的长期均衡关系。二、符号说明 2.1 SPSS输出符号说明 2R——该符号表示了模型的拟合优度，也用来衡量对观测值的拟合程度，其值越接近1说明模型越好。 t——对回归参数的显著性检验值，其绝对值大于等于 k - t 2 / n a时，就拒绝原假设，所以认为在其他解释变量不变的情况下，解释变量X对解释变量Y的影响是显著的；反之，则无显著影响。 F——表示的是模型中被解释变量与所有解释变量之间的线性关系在总体上是否显著做出判断应用于回归方程的显著性检验。若 k n k F F a , 1，则拒绝原假设，即认为各个解释变量联合起来被列入模型的对被解释变量有显著影响；反之，则无显著影响。 B——回归方程的截距及系数。
上一篇：泰勒公式在数学中的应用
下一篇：判别一致收敛的一般原则和方法