Does This GARCH Have a Finite Long-Run Variance?
For a GARCH(1,1) model with $\omega=\frac{1}{5}$, $\alpha=\frac{1}{4}$, and $\beta=\frac{3}{4}$, decide whether the model has a finite unconditional variance. If it does, compute it.
打开 →GLOBAL SEARCH
搜索在服务端完成,题目解析与答案不会进入搜索结果。登录后可搜索自己的收藏题单。
找到 29 个结果
中文题目For a GARCH(1,1) model with $\omega=\frac{1}{5}$, $\alpha=\frac{1}{4}$, and $\beta=\frac{3}{4}$, decide whether the model has a finite unconditional variance. If it does, compute it.
打开 →Let $r_t=\sqrt{h_t}\,z_t$ with $z_t\sim N(0,1)$ i.i.d. and GARCH(1,1) variance. The unconditional kurtosis (when finite) is $K=\dfrac{3\,[1-(\alpha+\beta)^2]}{1-(\alpha+\beta)^2-2\alpha^2}$. For $\alpha=0.1$, $\beta=0.85$, compute $K$ and state whether returns are leptokurtic. Gi
打开 →For a GARCH(1,1) model $h_t=\omega+\alpha r_{t-1}^2+\beta h_{t-1}$ with $\omega=\frac{1}{10}$, $\alpha=\frac{1}{5}$, and $\beta=\frac{3}{5}$, assume $\alpha+\beta<1$. Compute the unconditional variance $E[h_t]$.
打开 →A GARCH(1,1) model $h_t=\omega+\alpha r_{t-1}^2+\beta h_{t-1}$ has $\omega=0.04$, $\alpha=0.12$, $\beta=0.80$. Here $h_t$ is the conditional variance of daily returns. Report the long-run (unconditional) daily volatility $\sqrt{\bar h}$ as a decimal.
打开 →For a GARCH(1,1) model $h_t=\omega+\alpha r_{t-1}^2+\beta h_{t-1}$ with $\omega=1$, $\alpha=\frac{1}{10}$, and $\beta=\frac{4}{5}$, assume $\alpha+\beta<1$. Compute the unconditional variance $E[h_t]$.
打开 →RiskMetrics EWMA updates variance as $h_t=(1-\lambda)r_{t-1}^2+\lambda h_{t-1}$. State the constraints on $(\omega,\alpha,\beta)$ that make GARCH(1,1) coincide exactly with EWMA, and give the implied $\lambda$ when $\alpha=0.06$. Report $\lambda$ as a decimal.
打开 →周五下午两点,沪深300 当日累计跌幅已经放大到 2.8%、还在加速。你在一家中型私募(private fund)做日内风险报表,上周用对称 GARCH(1, 1) 给组合估的次日条件方差,在过去三次类似的放量下跌之后,滚动校准里都低估了实际 realised vol 将近 30%——而向上的同尺度日子,模型反而略偏高。问题不在样本,也不在 公式 是否服从正...
打开 →某私募(private fund)的风控会上,研究员甩出沪深300 日收益的实证表:日内收益序列本身的自相关系数 公式 在滞后 公式 时几乎全部落在 公式 的 Bartlett 带内;可一旦把同一条序列 平方 再画一次 ACF,从滞后 1 到滞后 60 全是正值、缓慢衰减。再算样本峰度:5.8——远大于正态分布(Gaussian distributi...
打开 →周三下午 15:05,SSE 主板刚收盘。某 私募 vol 套利团队的基金经理在 T+1 结算窗口前打开两个数字。第一是当天早盘 中金所 公布的 iVX 读数:18.3。第二是 沪深300 指数过去 30 个交易日的已实现波动率,按收盘到收盘对数收益率的年化标准差算:13.8。这 4.5 个 vol 点的缺口——隐含波动率(implied volatilit...
打开 →A GARCH(1,1) reduces to ARCH(1) when $\beta=0$: $h_t=\omega+\alpha r_{t-1}^2$. With $\omega=0.7$ and $\alpha=0.3$, compute the unconditional variance $\bar h$ as a decimal.
打开 →For a GARCH(1,1) with $\omega=0.2$, $\alpha=0.1$, $\beta=0.8$, the one-step-ahead conditional variance is $h_{t+1}=3$. Using the closed form $E_t[h_{t+k}]=\bar h+(\alpha+\beta)^{\,k-1}(h_{t+1}-\bar h)$, compute the 5-step-ahead forecast $E_t[h_{t+5}]$ as a decimal.
打开 →In a GARCH-style volatility recursion, a deviation from long-run variance decays approximately by the factor $\rho=\alpha+\beta=\frac{4}{5}$ each step. What is the half-life of the deviation?
打开 →A GARCH(1,1) has $\omega=0.00001$, $\alpha=0.08$, $\beta=0.90$. Today's conditional variance is $h_t=0.0004$ and today's return is $r_t=-0.03$. Compute tomorrow's conditional variance $h_{t+1}$ as a decimal.
打开 →A GARCH(1,1) has $\alpha=0.20$, $\beta=0.75$. Compute the persistence $\alpha+\beta$ and state whether the process is covariance-stationary (i.e. has a finite, time-invariant unconditional variance). Give the persistence as a decimal.
打开 →In a GARCH(1,1) model with $\omega=\frac{1}{10}$, $\alpha=\frac{1}{5}$, and $\beta=\frac{7}{10}$, suppose the current squared return is $r_t^2=4$ and the current conditional variance is $h_t=2$. Compute $h_{t+1}$.
打开 →For a GARCH(1,1) process with $\omega=1$, $\alpha=\frac{1}{10}$, $\beta=\frac{4}{5}$, suppose you already know the one-step-ahead conditional variance $h_{t+1}=5$. Compute $E_t[h_{t+2}]$ and $E_t[h_{t+3}]$.
打开 →For a GARCH(1,1) process with $\omega=\frac{1}{10}$, $\alpha=\frac{1}{5}$, $\beta=\frac{3}{5}$, suppose you already know the one-step-ahead conditional variance $h_{t+1}=2$. Compute $E_t[h_{t+2}]$ and $E_t[h_{t+3}]$.
打开 →In a GARCH(1,1) model with $\omega=1$, $\alpha=\frac{3}{20}$, and $\beta=\frac{3}{5}$, suppose the current squared return is $r_t^2=4$ and the current conditional variance is $h_t=5$. Compute $h_{t+1}$.
打开 →time-series · volatility · arch · garch · conditional-heteroskedasticity · volatility-clustering · quasi-maximum-likelihood · arch-lm-test
打开 →Hook 周三晚上九点,深圳一家私募的波动率小组要在 T+1 风控窗口前更新沪深300 ETF(510300.SH)覆盖期权组合的隔夜 VaR 输入。研究员把上节课的 ProcessPoolExecutor 推到了 32 颗核,但每个标的 5,000 个交易日的 GARCH(1,1) 方差递推单跑仍要 0.8 秒——把 800 只 A 股一起标定就是 10 ...
打开 →周一下午两点半,深圳某量化私募的风险主管盯着她的隔夜波动率监控板:上周她团队用 GARCH(1, 1) 给沪深300股指期货账户出具的次日条件方差 公式 只有一个数字 0.0142;今天 CIO 却问「明天有多大概率把 公式 看成 0.02 以上」。这两个问题不能由同一个模型回答。GARCH 把波动率锁成过往收益的确定性函数,「方差自身的不确定性」根本不存在...
打开 →周一收盘后,你在上海某私募(private fund)的风险组复盘一只沪深300 中性策略。过去 18 个月的日收益样本明显分成两段:平静期里日波动率约 0.6%、收益接近零均值;另一段则散落着 −3% 以上的尾部,日波动率拉到 1.8%。前三课里 GARCH 把这一切压成一条由过去观测确定的递推,SV 把它压成一条连续潜在 AR(1)。两者都默认波动率沿一...
打开 →周一早盘,某私募的时间序列研究员把过去 200 个交易日的对冲组合超额收益丢进 statsmodels。她想确认这条曲线是不是一个干净的 ARMA 过程——若是,残差就是一组白噪声,可以挂上下一阶段的 GARCH;若不是,她得回去重做特征工程。问题是:用 AR(1)、MA(1)、ARMA(1, 1) 还是 ARMA(2, 1)?拟合完之后怎么知道这一支模型确...
打开 →开场 某私募周五下午。研究团队内部的「自动研究 UI」——一个小网页,列出库里每个定价器并渲染一个表单可以调它的参数——挂了。一位初级开发上周新加了一个 GARCH 波动率定价器,可这个定价器的表单从未出现在页面上。这页本来不需要维护,注册表应该是在 import 时被填好的。资深开发打开定价器模块一看,发现忘了注册:新类从未进 PRICERS 。半年前同一...
打开 →Hook 周二下午三点,一家上海私募的量化研究员要在 T+1 风控窗口前把沪深300 成分股当日的分钟线快照拉下来,作为隔夜组合 VaR 的输入。上节课用 ThreadPoolExecutor 把 100 个同步 requests.get 压到了 1.8 秒;现在策略组想把每天的拉取面扩到 1500 只 A 股、外加 200 只港股通(Stock Conne...
打开 →周五下午 4:55,深圳福田某百亿私募的因子轮动组,十八个月以来 HML 头寸第一次跑出 +6% 的单周反弹——长久期科技板块前一周回撤 14%,价值缺口第一次实质性收敛。基金经理盯着 P&L 看,风控让你周一早 7 点上一份单页:"这是 regime 翻转,还是又一次假突破?"L1 给了你表头与"滚动 夏普比率 每个因子都会崩,不要恐慌"的诊断;L...
打开 →周二早上 7:40,你坐在某家 私募 vol 自营桌前,盯着 SSE 50ETF 期权(510050)的隐含波动率(implied volatility, IV)曲面。昨夜风险系统已经把两套波动率模型校准好。第一套是 Dupire 局部波动率模型,确定性的 公式 能把所有 510050 vanilla 中间价复原到 0.5 vol 点之内——日间用于盯市与隔...
打开 →周三早上 9:10,你在某 私募 vol 自营台前,盯着 SSE 50ETF 期权(510050)当月、次月与两档季月四个挂牌到期日,再加上 中金所 沪深300 IO 的当月、次月、当季、下季合约。屏幕上同时挂出大约 180 张报价。你不是逐张读:风险系统已经把它们拟合成一张光滑曲面 公式,在第二块显示器上以三维网格呈现。上一节课里你已经会把单笔报价反演到隐...
打开 →周三下午两点半,你在上海某私募(private fund)的统计套利(statistical arbitrage)团队碰到一桩争执。两只沪深300 成份股里的地产龙头,对数价格(log price)序列各自带强烈趋势,放在同一张图上几乎平行。新来的研究员把两条序列直接做 OLS,跑出 公式、系数 公式 值 18,准备开仓。资深 PM 一句话拦下他:「先做单位...
打开 →