Skip to main content
QUICK REVIEW

[论文解读] On some probabilistic properties of periodic GARCH processes

Abdelouahab Bibi, Abdelhakim Aknouche|ArXiv.org|Sep 19, 2007
Financial Risk and Volatility Modeling参考文献 11被引用 4
一句话总结

本文建立了周期性 GARCH(PGARCH)过程中严格平稳性与二阶平稳性、高阶矩存在性、几何遍历性以及 β-混合性的充分条件,其中波动率参数在 s 个状态之间周期性切换。通过向量自回归马尔可夫表示法,作者推导出确保平稳性与矩存在的可处理谱半径条件,将标准 GARCH 理论扩展至具有周期性动态的场景,并在金融时间序列建模中具有应用价值。

ABSTRACT

This paper examines some probabilistic properties of the class of periodic GARCH processes (PGARCH) which feature periodicity in conditional heteroskedasticity. In these models, the parameters are allowed to switch between different regimes, so that their structure shares many properties with periodic ARMA process (PARMA). We examine the strict and second order periodic stationarities, the existence of higher-order moments, the covariance structure, the geometric ergodicity and -mixing of the PGARCH(p,q) process under general and tractable assumptions. Some examples are proposed to illustrate the various concepts.

研究动机与目标

  • 建立周期性 GARCH(PGARCH)过程中严格平稳性与二阶平稳性的充分条件,其波动率参数在不同状态间切换。
  • 在一般且可处理的假设下,研究 PGARCH 模型中高阶矩的存在性。
  • 分析 PGARCH(p,q) 过程的协方差结构与几何遍历性。
  • 推导严格平稳 PGARCH 解为指数 β-混合且具有有限高阶矩的条件。
  • 将标准 GARCH 模型的概率理论扩展至周期性设定,同时保持数学可处理性。

提出的方法

  • 为平方创新项与条件方差构建向量自回归马尔可夫表示,将非线性 PGARCH 模型转化为线性状态空间形式。
  • 利用克罗内克积与向量化矩阵表示状态向量的演化,以随机系数形式表达。
  • 推导系数矩阵 A(0) 的谱半径条件,以确保严格平稳性,依赖于无限矩阵积的收敛性。
  • 应用李雅普诺夫函数技术证明几何遍历性与指数 β-混合性,使用基于范数的趋肤条件。
  • 通过矩生成函数的界与矩条件下的递归矩方程分析矩的存在性,其中创新分布满足矩条件。
  • 通过说明性例子验证理论结果,展示 PGARCH 过程在不同参数状态下的行为。

实验结果

研究问题

  • RQ1当参数在 s 个状态之间周期性切换时,PGARCH 过程在何种条件下是严格平稳的?
  • RQ2PGARCH(p,q) 过程的二阶平稳性的必要与充分条件是什么?
  • RQ3在何种条件下,PGARCH 模型中高阶矩(如四阶矩)存在?其与系数矩阵谱半径的关系如何?
  • RQ4在何种条件下,严格平稳 PGARCH 过程具有几何遍历性与指数 β-混合性?
  • RQ5在矩条件下,PGARCH 过程的协方差结构与周期性自回归(PAR)过程相比有何异同?

主要发现

  • 若矩阵 A(0) 的谱半径小于 1,则 PGARCH 过程的严格平稳性得以保证,其中 A(0) 汇总了所有季节性状态下的系数矩阵。
  • 当一个周期内系数矩阵乘积的谱半径小于 1 时,二阶平稳性成立,确保方差有限。
  • 若谱半径条件满足且创新项具有足够矩,则直至 p 阶的高阶矩存在,且通过李雅普诺夫函数推导出显式界。
  • 在相同的谱半径条件下,PGARCH 过程具有几何遍历性与指数 β-混合性,意味着强混合且衰减呈指数形式。
  • 在矩条件下,PGARCH 过程的协方差结构与周期性自回归(PAR)过程一致,将 PGARCH 与线性周期时间序列模型联系起来。
  • 当 s=1 时,向量自回归表示法保持了标准 GARCH 模型的数学可处理性,验证了向周期动态扩展的合理性。

更好的研究,从现在开始

从阅读论文到最终审阅,大幅缩短您的研究时间。

无需绑定信用卡

本解读由 AI 生成,并经人工编辑审核。