ARFIMA-EGARCH-M模型在汇率收益率波动分析中的应用

doi:10.3778/j.issn.1002-8331.2009.12.007

计算机工程与应用 ›› 2009, Vol. 45 ›› Issue (12): 23-26.DOI: 10.3778/j.issn.1002-8331.2009.12.007

ARFIMA-EGARCH-M模型在汇率收益率波动分析中的应用

杨瑞成^1,2,秦学志²

1.鲁东大学数学与信息学院，山东烟台 264025
2.大连理工大学管理学院管理科学与工程博士后流动站，辽宁大连 116024

收稿日期:2008-12-29 修回日期:2009-02-04 出版日期:2009-04-21 发布日期:2009-04-21
通讯作者: 杨瑞成

Volatility analysis of return of exchange rate using ARFIMA-EGARCH-M model

YANG Rui-cheng^1,2,QIN Xue-zhi²

1.School of Mathematics and Information，Ludong University，Yantai，Shandong 264025，China
2.Postdoctor Working Station of School of Management Science and Engineering，Dalian University of Technology，Dalian，Liaoning 116024，China

Received:2008-12-29 Revised:2009-02-04 Online:2009-04-21 Published:2009-04-21
Contact: YANG Rui-cheng

摘要/Abstract

摘要： 为了解决汇率收益率波动中的“尖峰厚尾”、中期记忆和非对称特征，提出了利用ARFIMA-EGARCH-M模型建立汇率收益率波动模型。以人民币/欧元的日汇率数据为例，在误差分布分别为正态分布、T分布、GED分布与SKT分布的前提下分别进行模型拟合分析，得出基于GED分布的ARFIMA（1，d，1）-EGARCH（2，2）-M模型拟合人民币/欧元汇率收益率效果最好，能较好地解决“尖峰厚尾”、中期记忆和非对称现象。

关键词: ARFIMA-EGARCH-M模型, 尖峰厚尾, 中期记忆, 非对称

Abstract: To solve the higher peak and fat tail phenomenon，immediate memory and asymmetric features，this paper formulate the volatility model of exchange rate returns using the ARFIMA-EGARCH-M model.Based on the example on the return sequences of CNY/EUR exchange rate，assuming the error sequence is Normal distribution，T distribution，GED distribution and SKT distribution respectively，authors derive that the ARFIMA（1，d，1）-EGARCH（2，2）-M with GED distribution can better solve the higher peak and fat tail，immediate memory and asymmetric features.

Key words: ARFIMA-EGARCH-M model, higher peak and fat tail, immediate memory, asymmetric characterization

杨瑞成^1,2,秦学志². ARFIMA-EGARCH-M模型在汇率收益率波动分析中的应用[J]. 计算机工程与应用, 2009, 45(12): 23-26.

YANG Rui-cheng^1,2,QIN Xue-zhi². Volatility analysis of return of exchange rate using ARFIMA-EGARCH-M model[J]. Computer Engineering and Applications, 2009, 45(12): 23-26.

[1]	张翠军，安冉，马丽. 改进U-Net的遥感图像中建筑物变化检测[J]. 计算机工程与应用, 2021, 57(3): 239-246.
[2]	彭家寅. 通过五粒子信道的非对称双向量子信息传输[J]. 计算机工程与应用, 2021, 57(10): 88-93.
[3]	王永贵，梅轩玮. 非对称异构信息网络的模糊推荐算法[J]. 计算机工程与应用, 2020, 56(23): 74-79.
[4]	刘春玲，张黎. 改进非对称相似度和关联正则化的推荐算法[J]. 计算机工程与应用, 2020, 56(16): 45-49.
[5]	杜梦瑶，王峥，李娜，强彦. 适用于无线体域网的动态口令认证协议[J]. 计算机工程与应用, 2020, 56(14): 68-73.
[6]	彭家寅. 以任意高维纠缠态为量子信道的受控隐形传态[J]. 计算机工程与应用, 2020, 56(12): 93-97.
[7]	顾婷婷，刘新会，桑庆兵，李朝锋. 基于双树复小波的无参考立体图像质量评价[J]. 计算机工程与应用, 2019, 55(2): 154-161.
[8]	高更君，尚柯阳. 资金约束下的非对称信息供应链协调研究[J]. 计算机工程与应用, 2019, 55(15): 241-249.
[9]	叶枫，叶学义，罗宵晗，陈泽. 多层AR-LBP与WLD特征融合的SA-CRC人脸识别[J]. 计算机工程与应用, 2019, 55(14): 134-141.
[10]	黄丽雯，杨欢欢，王勃. 非对称方向性局部二值模式人脸表情识别[J]. 计算机工程与应用, 2018, 54(23): 183-188.
[11]	王永，邓永恒，李晓光. 考虑非对称用户偏好的推荐算法[J]. 计算机工程与应用, 2018, 54(23): 1-6.
[12]	程茜1，于慧2. 两个非对称图量子MDS码的构造[J]. 计算机工程与应用, 2017, 53(19): 61-64.
[13]	孙蕾. 求解大型非对称稀疏线性方程组的FIMinpert算法[J]. 计算机工程与应用, 2016, 52(21): 63-67.
[14]	宋建立，谭阳红，张海霞，贾庸，于辉. 基于QPSO算法的电力载波通信自适应阻抗匹配[J]. 计算机工程与应用, 2015, 51(1): 228-233.
[15]	梁静，张凡，唐作其，陆安江，张正平. UMHS运动估计算法的优化研究[J]. 计算机工程与应用, 2014, 50(3): 185-189.

ARFIMA-EGARCH-M模型在汇率收益率波动分析中的应用

Volatility analysis of return of exchange rate using ARFIMA-EGARCH-M model

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics