《表1 残差序列的基本描述》
注释:*表示显著性水平为1%的条件下拒绝原假设。
其中,ω表示模型的截距项,从表2中各个模型的结果来看,截距项与0没有显著的差异,这与图2所呈现的结果相符合;其次,从对数似然函数(LogL)来看,显然t分布假设下的GARCH、TGARCH以及NAGARCH模型的对数似然函数值明显高于正态分布下同类模型。由于比特币收益率波动具有显著的“尖峰厚尾”特征,通过表1发现并不符合正态性假设,如果采用正态分布假设会降低波动风险的衡量。另外,GARCH、TGARCH以及NAGARCH三类模型均能够有效地提取出比特币收益率波动的集群效应特征。从GARCH(1,1)模型来看,λ+η基本接近于1,说明在过去的波动或者冲击下,比特币收益率会呈现出持续时间较长的大幅波动,调整需要比较长的时间。表2中,TGARCH模型中的γ是用来说明序列波动的非对称性,即比特币升值带来的冲击大于贬值带来的冲击,例如:如果比特币升值过快,洗钱等非法行为显著增加,对整个数字货币以及金融系统的冲击明显加大;而比特币贬值意味其受到关注的可能性会下降,所产生的影响减弱。而NAGARCH模型能准确把握波动的非对称点,参数是用来解释序列波动的非线性,本文得到的γ值为-0.429,远远小于0,也进一步说明了负向冲击对收益率产生的影响要大于正向冲击所产生的影响。
图表编号 | XD00229011100 严禁用于非法目的 |
---|---|
绘制时间 | 2020.09.01 |
作者 | 吴金旺、顾洲一、申睿 |
绘制单位 | 浙江金融职业学院、浙江金融职业学院、浙江金融职业学院 |
更多格式 | 高清、无水印(增值服务) |