《表4 模型参数估计结果》
注:上角标*、**和***分别表示估计的参数在10%、5%和1%的水平下显著;括号中的数值是估计参数对应的t统计量值或检验统计量对应的P值;K-S检验在5%的显著性水平下,样本容量n=1 230,n=573和n=605时,D值分别为0.039、0.057、0.055。
众多研究表明,GARCH(1,1)能描绘大多数金融时间序列的波动,且第三阶段欧盟碳市场宏观政策变动和极端事件的发生可能会引发碳市场的“杠杆效应”等非对称变动,需要构造GJR-GARCH模型来弥补经典GARCH模型的不足,因此本文选用ARMA(p,q)-GARCH(1,1)模型和ARMA(p,q)-GJR-GARCH(1,1)模型分别对各时期两资产序列的边缘分布进行拟合,且设定标准化残差服从正态分布或t分布,选择LL值最大的模型作为各序列最优边缘分布模型。表4体现了各序列最优模型参数估计结果。
图表编号 | XD0075429100 严禁用于非法目的 |
---|---|
绘制时间 | 2019.06.01 |
作者 | 杜子平、刘升旭 |
绘制单位 | 天津科技大学经济与管理学院、天津科技大学金融工程与风险管理研究中心 |
更多格式 | 高清、无水印(增值服务) |