我可以使用 GARCH 預測股票收益嗎？
我知道這是一個菜鳥問題，但我看到了一些關於使用 GARCH 預測股票收益的評論。
這是人們做的事情嗎？GARCH 不只是為了波動嗎？
另外，您能否推薦任何（簡單）論文來幫助我更好地理解這種技術以及如何在 Eviews 或 R 中應用它？
GARCH(p, q) 模型（其中 p 是 GARCH 項的階 $ {\sigma^2} $ q 是 ARCH 項的階 $ {\epsilon^2} $ )，按照原始論文的符號由下式給出：
$$ {\sigma_t^2}={\omega}+{\sum_{i=1}^q}{\alpha_i}{\epsilon_{t-i}^2}+{\sum_{i=1}^p}{\beta_i}{\sigma_{t-i}^2} $$ 顯然，GARCH 模型是關於收益的波動性和變異數的。它只能預測波動性，但不能預測回報。
實際上，預測收益比預測波動性要困難得多。
您可以通過本書了解 GARCH 並將其與 R: An Introduction to Analysis of Financial Data with R 一起應用。
這取決於您對股票收益性質的看法。這些信念是否反映現實是另一回事。我認為通過分解術語來考慮 GARCH 中正在建模的內容是有幫助的：
泛化- 即，可以採用多個參數以適合泛型數據類型。
一個utregressive - 即，術語傾向於恢復到它們的平均值，a-la Ornstein-Uhlenbeck 過程（也是摩擦下的布朗運動）。
有條件的——即未來項取決於過去項和/或未來項的最佳估計基於貝氏推斷；反映了絕對回報/變異數分群的程式化信念。
Heteroskedasticity - 即字面意思是“不同的變異數”；參數隨時間變化。
雖然在技術上可以使用 GARCH 來模擬股票收益的條件預期，但 GARCH 模型並不是為了模擬收益。名稱中隱含的意思是其作為懷疑性（即波動性）度量的意圖，其中術語是周期性收益的平方殘差。
然而，放寬平方誤差條件會產生一種特殊形式的自回歸移動平均線(ARMA)。ARMA 是一類更通用的計量經濟學模型，它允許負項，並且可以符合證券回報的許多程式化事實。