實踐中首選的 GARCH 方法是什麼？

如果這個問題太天真或太基本，我提前道歉。請耐心等待我對 SE 的第一次體驗；如果需要，要求澄清。

我認識到在單變數（和多變數）GARCH 方法中有許多（經常受到批評的）風格。單變數 GARCH 從標準 GARCH 到 GJR、AP-GARCH 等。多變數世界為 GO-GARCH、DCC-GARCH 和類似的簡化提供了自然泛化（數百個參數要估計）。

然而，我想知道該行業實際使用什麼來進行債券、股票和衍生品分析。

很高興看到我可以遵循的具體參考資料、個人就業經驗和實際工作範例，而不是意見和猜測。

更新：我仍在監視這篇文章以獲取答案…

我個人在風險管理領域使用簡單的 Garch(1,1) 進行波動率過濾。

事實上，在大多數情況下，我什至不估計參數，我堅持 0.94 表示均值回歸，0.04 表示平方誤差，我通過匹配系列變異數得到常數。我的經驗是，當 vol 無論如何都沒有被觀察到時，假裝微調參數是沒有意義的。

編輯

為了在此處添加更多顏色，這裡有一些實際範例，由於這些是專有模型，因此無需詳細說明：

1. 計算歷史模擬下投資組合的風險。用於監管和經濟資本計算。固定投資組合頭寸，根據過去幾年的一日沖擊計算盈虧，然後使用 Garch 預測明天的 VaR。我使用了參數（Gaussian/StudentT）和經驗版本，使用上述固定參數。雖然優於其他方法，但它對業務的影響並不大，因為它給出的 VaR 對於限制設置等來說太不穩定了。
2. 在沒有來源的情況下生成 vol 時間序列。假設您要為隱含的 vol 建構歷史時間序列。我已經使用 Garch 以及其他技術來做到這一點。由於 Garch 過濾“真實體積”，這些必須轉換為“隱含體積”。
3. 為 IMM/交易對手風險計算生成長期波動率模擬（比如 10 年或 20 年）。由於波動性是全球一體化的，我們不希望它們隨著視野的增加而不同步。因此使用多變數版本，其中一卷（比如美國）進入其他卷（比如英國、德國等）的傳播機制。
4. 衍生定價：我從未在學術工作之外使用 Garch 進行期權定價，也永遠不會這樣做。我不知道有誰不這樣做。

希望這會有所幫助

有趣的問題，因為不幸的是，所有答案（包括我的）都無法概括。就我而言，我使用單變數 EGARCH來進行風險建模（過濾歷史模擬(FHS) 等）。

1 - EGARCH，僅僅因為 GARCH 模型沒有考慮到所謂的槓桿效應，這對我來說對於偏斜和尖峰數據至關重要。

2-為簡單起見，單變數而不是多變數過程。

** 我通常不贊成使用靜態參數估計（例如臭名昭​​著的lambda = 0.94），但如果人們在回測他們的模型時採用這些方法獲得可靠的估計，那對我來說很好。我更喜歡堅持mle現在可以快速執行的估計。

PS：當我認為前景受到高度壓力時，我只使用單變數 GARCH和*Alpha - 穩定分佈作為我的風險指標。*這只是為了安全措施:)。

希望能幫助到你

引用自：https://quant.stackexchange.com/questions/21737