[论文解读] Nonlinear GARCH model and 1/f noise

Aleksejus Kononovičius, Julius Ruseckas|RePEc: Research Papers in Economics|Dec 19, 2014

Financial Risk and Volatility Modeling被引用 7

一句话总结

本文提出了一类非线性 GARCH(1,1) 模型的修改形式，能够重现金融时间序列中的关键典型事实——幂律概率密度函数和 1/f 噪声功率谱密度（PSD）。通过从非线性 GARCH 过程推导随机微分方程（SDE），作者表明这些模型与已知的一类可生成 1/f^β PSD 的非线性 SDE 相匹配，数值模拟结果证实，当参数适当调节时，该模型在三个频率 decade 内呈现 1/f 谱特性。

ABSTRACT

Auto-regressive conditionally heteroskedastic (ARCH) family models are still used, by practitioners in business and economic policy making, as a conditional volatility forecasting models. Furthermore ARCH models still are attracting an interest of the researchers. In this contribution we consider the well known GARCH(1,1) process and its nonlinear modifications, reminiscent of NGARCH model. We investigate the possibility to reproduce power law statistics, probability density function and power spectral density, using ARCH family models. For this purpose we derive stochastic differential equations from the GARCH processes in consideration. We find the obtained equations to be similar to a general class of stochastic differential equations known to reproduce power law statistics. We show that linear GARCH(1,1) process has power law distribution, but its power spectral density is Brownian noise-like. However, the nonlinear modifications exhibit both power law distribution and power spectral density of the power law form, including 1/f noise.

研究动机与目标

• 为解决标准 GARCH(1,1) 模型在重现 1/f 噪声方面的局限性，这是金融时间序列中的一个关键典型事实。
• 探究非线性 GARCH 修改形式是否能同时生成幂律 PDF 与 1/f^β PSD，特别是 1/f 噪声。
• 弥合 ARCH 家族模型与已知可产生幂律统计特性的非线性 SDE 之间的鸿沟。
• 提供一个理论基础扎实、具有实际应用价值的 GARCH 变体，通过 1/f PSD 捕捉长程依赖性。

提出的方法

• 使用小时间步长近似（h → 0）推导非线性 GARCH(1,1) 过程的连续时间扩散极限。
• 将所得的离散时间 GARCH 方程映射为如下形式的随机微分方程（SDE）：d y = [A y^{μ-1} + C y^{μ/2 - 1}] dt + |B| y^{μ/2} dW_t。
• 将推导出的 SDE 与一类已知可生成幂律 PDF 和 1/f^β PSD 的非线性 SDE 进行比较，该类 SDE 由参数 λ = μ 和 η = μ/2 确定。
• 通过数值模拟评估非线性 GARCH 过程的统计特性，重点关注 PDF 与 PSD。
• 在 σ² = 0 处应用反射边界条件，以防止模拟中出现负波动率。
• 调节参数（如 b 和 c）使 C ≈ 0，从而在宽广的频率范围内实现清晰的 1/f PSD。

实验结果

研究问题

• RQ1 非线性 GARCH(1,1) 过程的修改形式能否在功率谱密度中重现 1/f 噪声？
• RQ2 这些非线性 GARCH 模型是否能生成具有可调指数的幂律概率密度函数？
• RQ3 非线性 GARCH 过程的扩散极限在何种条件下与已知可产生 1/f^β PSD 的 SDE 类匹配？
• RQ4 线性 GARCH(1,1) 模型在重现 1/f 噪声与幂律统计特性方面表现如何？
• RQ5 所提出的非线性 GARCH 模型能否再现金融时间序列中长程依赖性的典型事实？

主要发现

• 线性 GARCH(1,1) 过程虽能产生幂律 PDF，但其功率谱密度呈现类似布朗噪声的特征，无法重现 1/f 噪声。
• 非线性 GARCH(1,1) 模型，特别是公式 (17) 和 (18)，当其扩散极限与已知的非线性 SDE 类匹配时，可同时生成幂律 PDF 与 1/f^β PSD。
• 数值模拟证实，当 μ = 3 且参数经调节（b ≈ 10⁻³，c ≈ 1.596 × 10⁻³）时，模型在三个频率 decade 内产生 1/f PSD。
• PSD 指数 β = 1 的理论预测与数值结果高度一致，验证了理论框架的正确性。
• 非线性 GARCH 过程的稳态 PDF 呈现幂律分布，指数为 λ = μ，通过边界条件引入指数截断，以防止在小值处发散。
• 通过在 SDE 中使系数 C ≈ 0，模型实现了 1/f 谱，有效消除了二阶校正项，从而隔离出 1/f 行为。