新加坡模型估計與風險值比較

Abstract

此篇報告是在探討對新加坡的大盤指數配適其模型與預測每日的波動，資料屬於out of sample求出在GARCH不同模型下其預測結果的比較。Engle (1982)提出自我迴歸異質條件變異數(ARCH)模型，允許條件變異數受到過去p期殘差項平方的影響。而後Bollerslev (1986)將落後期的條件變異數納入ARCH模型中，成為一般化自我迴歸異質條件變異數(GARCH)模型。ARCH與GARCH模型皆允許殘差項的變異數可以隨時間經過而改變，以解決迴歸模型中將殘差項的變異數假設為固定常數之不合理情形。 隨著世界景氣的復甦，對於未來的股市我們有所期待！藉由過去的資料我們想對新加坡的大盤指數有所了解與預測，由Datastream SINGAPORE STRAITS TIMES擷取，資料期間為1999年1月1日至2005年9月1日的日報酬率。共1441筆資料，保留250筆做預測並求其VaR(Value of Risk)值，實際配模筆數為1191筆，經由常態檢定看出資料並非常態，又由ARCH檢定得知資料具有異質變異，因此配適GARCH、EGARCH、TGARCH GJR-GARCH、STARGARCH模型，並由VaR值比較其模式之優劣得知EGARCH的模式較能捕捉資料的波動其風險值VaR(Value at Risk)也有較高的準確率