Build your ultimate AI agent
课程介绍
您是否好奇金融市场的"心跳"节律？是否想知道稳定的市场何时会转向剧烈波动？在本课程中，您将系统学习 GARCH 模型，用前瞻性的思路在金融决策中平衡风险与收益。课程将从标准的正态 GARCH(1,1) 模型逐步推进，到更高级的含杠杆效应的波动率模型、均值中的 GARCH 设定，以及使用偏斜的学生 t 分布来刻画资产收益。我们将在股票与汇率收益上开展应用，包括投资组合优化、滚动样本预测评估、风险价值预测，以及动态协方差研究。
先修要求
课程大纲
课程大纲
1
标准 GARCH 模型：核心工作模型
让我们直接上手实战。对日度股票收益进行滚动窗口分析可以看到，其标准差会随时间显著变化。回溯历史，我们能清楚地看到波动率的时变性。面向未来，我们需要估计未来收益的波动率。这正是 GARCH 模型的用武之地！本章将带您学习在 R 中使用 rugarch 包来设定与估计核心的 GARCH(1,1) 模型。最后我们将展示其在战术资产配置中的实际价值。
2
改进正态 GARCH 模型
市场"慢涨快跌"。这句华尔街箴言对构建逼真的波动率模型有重要启示：需要放弃正态性假设，以及波动率对冲击的对称响应。在本章中，您将学习具有杠杆效应的 GARCH 模型与偏斜学生 t 创新项。最后，您将能够使用 GARCH 模型来估计上万种不同的模型设定。
3
绩效评估
GARCH 模型能给出波动率预测，为金融决策提供输入。在实际应用前，必须先评估这些波动率预测的优劣。本章将带您分析所估 GARCH 参数的统计显著性、标准化收益的性质、信息准则的解读，以及如何使用滚动 GARCH 估计与均方预测误差来评估波动率预测的准确性。
4
应用实践
此时，您已熟练掌握在 rugarch 包中进行 GARCH 模型的标准设定、估计与验证。本章将介绍 rugarch 的特定功能，用于进行风险价值估计、将 GARCH 模型用于生产环境，以及模拟 GARCH 收益。您还将看到：方差中的 GARCH 动态会影响对对数收益的模拟、股票贝塔的估计以及最小方差投资组合的求解。
R
在 R 中构建 GARCH 模型
课程完成
