《表2 模型拟合效果分析：多分布假设下的AR-EGARCH气温预测模型研究——基于气温衍生品定价视角》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《多分布假设下的AR-EGARCH气温预测模型研究——基于气温衍生品定价视角》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

注:（1）表示60次拟合中参数不显著的次数；（2）表示60次拟合中参数不显著的比率；括号内为统计检验相伴概率。

据表2可知:第一，总体来看，AR（3）-EGARCH（1，1）与AR（3）-GARCH（1，1）模型的参数φ0、ρ1、ρ2、ρ3、δc，1、δs，1与α0在各分部形态下均显著，表明日平均气温存在短期记忆性以及显著的季节性周期趋势；参数α1与β1在60次拟合中的显著性比率也非常高，说明将AR（3）-EGARCH（1，1）与AR（3）-GARCH（1，1）条件方差方程的ARCH项与GARCH项滞后阶数设置为I=J=1是非常合适的。其中，参数λc，1、λs，1与φ1不显著的比率超过了一半，这表明气温波动率的季节性不明显，且全球气候变暖对大多数城市的气温影响并不显著，这可能是由于样本取值范围仅为近10年的数据导致的，如果气温时间序列为30年以上的数据，有可能出现φ1全部显著的情况；值得注意的是，对于衡量波动率非对称性的关键参数γ1，仅有科泉市在GED分布形态下不显著，不显著比率仅为1.67%，因此绝大多数地区的气温波动率均存在显著的非对称效应，说明AR（3）-EGARCH（1，1）比AR（3）-GARCH（1，1）的模型效果更优。