第 ２９ 卷 　 第 ９ 期 中国管理科学 Ｖｏ ２９，Ｎｏ．

ｌ． ９
　　　　　　　　　 　 　 　　　　　　　　　
２０２１ 年 　　９ 月 Ｃｈ
ｉｎｅ
ｓｅＪ
　ｏｕ
ｒｎａｌ
　ｏｆ　
Ｍａｎａｇｅｍｅｎ
ｔ　Ｓｃ
ｉｅｎｃ
ｅ Ｓｅｐ
ｔｅｍｂｅｒ，　２０２１

文章编号：
１００３－２０７（
２０２１）
０９－００５４－１１
ＤＯＩ： １６３８１／
１０． ｊ．ｃｎｋ
ｉ．ｉ
ｓｓｎ１００３－２０７ｘ．
２０１９．
１６９５

考虑结构变化和长记忆性的国际原油
价格波动率预测研究
张跃军１，２，张 　 晗１，２，王金丽１，２

１．湖南大学工商管理学院，湖南 长沙 　４１００８２；
（
２．湖南大学资源与环境管理研究中心，湖南 长沙 　４１００８２）

摘 　 要：原油市场普遍存在结构变化现象，可能会引发原油价格波动率的长记 忆 性，导 致 模 型 参 数 的 有 偏 估 计 。 为
此，本文考虑原油价格波动率的 结 构 变 化 和 长 记 忆 性 特 征 ，采 用 考 虑 结 构 断 点 的 ＧＡＲＣＨ 族 模 型 和 ＭＭＧＡＲＣＨ
模型对 ＷＴＩ和 Ｂｒ
ｅｎｔ油价波动率进行预测建模。结果表明，ＷＴＩ和 Ｂｒ
ｅｎｔ油价波动率中确实存在明显的结构 变 化
和长记忆性特征，而能够捕捉这两种特征的 ＧＡＲＣＨ 族模型往往比忽略它们的模型取得更好的油价波动率预测效果，特
别是，
同时动态捕捉结构变化和长记忆性特征的 ＭＭＧＡＲＣＨ 模型对油价波动率的预测性能优于其他相关模型。
关键词：原油市场；波动率预测；结构变化；长记忆性
中图分类号：
Ｆ２０６； ５　　　 文献标识码：
Ｆ８３２． Ａ

了一 系 列 能 反 映 波 动 率 更 多 特 征 的 ＧＡＲＣＨ 族 模
１　 引言
型，例如：基 于 胖 尾 分 布 的 ＧＡＲＣＨ 模 型 （ ＧＡＲＣＨ
近年来，国际原油价格波动剧烈，严重影响了国 － ＨＴ）９ 、幂 变 换 门 限 ＧＡＲＣＨ 模 型 （ＰＴＴ －
［］

内生产总值等经济指标，同时，原油作为国民经济中 ＧＡＲＣＨ）１０ 、指 数 ＧＡＲＣＨ 模 型 （ＥＧＡＲＣＨ ）１１

［ ］ ［ ］

不可或缺的能源与化工材料，与许多产业息息相关， 等。而且已有大量研究证明这些模型在资产价格波
特别是，原油价格波 动 往 往 会 影 响 全 球 大 宗 商 品 市 动率 的 建 模 和 预 测 方 面 比 标 准 ＧＡＲＣＨ 模 型 更 具
场走势 ［１］。因此，探索原油价格波动特征，科学研判 Ｈｕｎｇ 等 １２ 采 用 基 于 不 同 分 布 假 设 的
优势。例如， ［ ］

国际油价变动趋势，对全球经济金融发展至关重要。
ＧＡＲＣＨ 模 型 对 四 种 能 源 价 格 的 波 动 率 及 ＶａＲ 进
但原油市场 变 化 存 在 非 线 性、非 平 稳、多 尺 度 等 规 行预测，发现在预测 资 产 价 格 波 动 率 时 能 描 述 胖 尾
律，并且往往伴随着 结 构 变 化 和 长 记 忆 性 等 复 杂 特 分布特征的 ＧＡＲＣＨ－ＨＴ 模 型 比 基 于ｔ 分 布 和 正
征，给油价波动率预测建模带来了显著挑战。 态 分 布 的 ＧＡＲＣＨ 模 型 表 现 更 好。 Ｇｉ
ｏｔ 和
目前，已 有 大 量 学 者 构 建 各 种 计 量 经 济 模 型 开
ｔ１３ 分 别 采 用 风 险 矩 阵、基 于 ｔ 分 布 的
［ ］
Ｌａｕｒ
ｅｎ
展原油价格波 动 率 预 测 研 究。 在 众 多 预 测 模 型 中，
ＡＲＣＨ 模 型 以 及 ＡＰＡＲＣＨ 模 型 拟 合 和 预 测 ＷＴＩ
ＧＡＲＣＨ 族模型由于能够描述油价收益率的条件异
和 Ｂｒ
ｅｎｔ油价波动率，发现基 于ｔ 分 布 的 ＡＰＡＲＣＨ
方差性与油价波动率的集聚性、非对称性等特征，得
模型在所选模型中具有最好的预测性能。
到了 广 泛 应 用 ［
２－６］
。 自 Ｅｎｇ
ｌｅ７ 和 Ｂｏ
［］
ｌｌｅ
ｒｓｅｖ８ 分
ｌ
［］

然而，上文提到的几种 ＧＡＲＣＨ 族模型也存 在

别提出 ＡＲＣＨ 和 ＧＡＲＣＨ 模 型 后，学 术 界 发 展 出
明显不足，并不能刻 画 原 油 价 格 波 动 中 的 一 些 复 杂
特征。首先，上述模 型 大 都 忽 略 了 油 价 波 动 率 由 于
收稿日期：２０１９－１０－２５；修订日期： ２０２０－０１－２２
突发事件或外界冲 击 导 致 的 结 构 变 化，往 往 只 能 刻
基金项目：国家自 然 科 学 基 金 资 助 项 目 （
７１７７４０５１）；湖 南 省 科
技创新计 划 （
２０２０ＲＣ４０１６）；教 育 部 长 江 学 者 奖 励 计 画单一波动状态下的波动率。然而已有很多学者指
划（
Ｔ２０２００９５） 出原油市场普遍存 在 结 构 变 化 现 象，突 发 事 件 和 消
通讯作者简介：张 跃 军 （１９８０—），男 （汉 族 ），湖 南 安 仁 人，湖 南
息的冲击可能会使 油 价 结 构 发 生 显 著 变 化，从 而 导
大学工商管理 学 院，教 授，博 士 生 导 师，博 士，研
究方向：石油 资 产 定 价 与 预 测，
Ｅ－ｍａ
ｉｌ：
ｚｙｊｍｉ
ｓ＠ 致虚假 的 波 动 持 续 性 ［６，１４］。 例 如，柴 建 等 ［１５］ 构 建
１２６．
ｃｏｍ． ＰＰＭ－ＫＭ 模型识别国 际 油 价 的 拐 点，发 现 油 价 在
第 ９ 期 　　　　　　　　　 张跃军等：考虑结构变化和长记忆性的国际原油价格波动率预测研究 · ５５ ·

１９８６－２０１５ 年 存 在 ３７ 次 显 著 突 变。 因 此，为 了 更 通过允许条件方差 存 在 时 变 截 距，使 模 型 在 波 动 率

加准确地刻画国际 油 价 的 实 际 波 动，前 人 针 对 结 构 结构方面具 有 更 多 灵 活 性；
Ｇｒ ｒ 和 Ｈｙｕｎｇ２９ ３０
ａｎｇｅ
［ ， ］

变化现象开展了大 量 研 究，其 中 马 尔 可 夫 机 制 转 换 研究表明，结构变化 或 机 制 转 换 会 使 时 间 序 列 产 生

模型和 改 进 的 ＩＣＳＳ 算 法 等 得 到 了 广 泛 应 用。 例 “伪”长记忆性特征，因此，同时考虑时间序列的结构
如，龚旭和林伯强 ［
构建 ＨＡＲ－ＲＶ－Ｊ－ＳＢ 等 模
１６］
变化和长记忆性对 提 高 模 型 的 预 测 性 能 非 常 重 要，
型预测 ＷＴＩ期货波动率，并使用 ＩＣＳＳ 算法识 别 波 可以避免“伪”长记忆性对模型的估计和预测结果产
动率 中 的 结 构 断 点，发 现 在 ＨＡＲ 族 模 型 中 加 入 结 生影响，确保模型准确性。同时，已有一些学者探讨
构变化 因 素 能 显 著 提 高 预 测 能 力。Ｅｗｉ
ｎｇ 和 Ｍａ－ 油价波动率的结构 变 化 和 长 记 忆 性，但 是 他 们 使 用
ｌ
ｉｋ
［
１７］
采用 ＩＣＳＳ 算法 识 别 原 油 市 场 结 构 断 点，并 将 的模型往往只考虑了油价波动率中的长记忆性或短
结构断 点 和 ＧＡＲＣＨ 族 模 型 结 合，预 测 油 价 波 动 记忆性。例如，Ａｒ ｉ等 ３１ 使 用 ＩＣＳＳ 算 法 和 考 虑
ｏｕｒ
［ ］

率，发现能同时反映 油 价 波 动 率 非 对 称 性 和 结 构 断 长记 忆 性 的 ＧＡＲＣＨ 族 模 型 对 原 油 期 货 和 现 货 价
点特征 的 模 型 具 有 更 好 的 预 测 能 力。Ｓａｎｚ
ｏ
［
１８］
对 格的波动率进行拟 合 和 预 测，发 现 加 入 结 构 断 点 的
ＭＲＳ－ＧＡＲＣＨ 模 型 进 行 改 进 并 将 其 用 于 预 测 油 ＦＩＧＡＲＣＨ 模 型 往 往 具 有 更 好 的 预 测 能 力；
价波 动 率，结 果 表 明 考 虑 了 结 构 变 化 的 ＭＲＳ－ ｏ３２ 将长记忆性和机制 转 换 两 种 特 征 融 入 同 一
Ｓａｎｚ
［ ］

ＧＡＲＣＨ 模 型 相 较 于 其 他 ＧＡＲＣＨ 族 模 型 具 有 更 模型，提出了马尔科夫机制转换长记忆模型，结果发

好的拟合和 预 测 性 能。Ｚｈａｎｇ　
Ｙｕｅ
ｊｕｎ 等
［
基于大
１９］
现该模型在国际油价波动率预测方面具有更优的性
量实证计算和多种 损 失 函 数，发 现 考 虑 机 制 转 换 的 能。然而，
Ｋｌｅ
ｉｎ 和 Ｗａ
ｌｔ ｒ３３ 指出油价波动率往往
ｈｅ
［ ］

ＧＡＲＣＨ 族 模 型 与 单 机 制 ＧＡＲＣＨ 族 模 型 相 比 未 具有不同的结构 特 征 和 记 忆 性。 因 此，为 了 克 服 现

必能提升油价波动率的样本外预测性能。 有模型的缺陷，构建 更 准 确 的 模 型 估 计 和 预 测 油 价
其次，已 有 大 量 学 者 指 出 油 价 波 动 率 具 有 明 显 波动率，本文引 入 混 合 记 忆 ＧＡＲＣＨ 模 型 （Ｍｉ
ｘｔｕｒ
ｅ
的长记忆性，即过去的变化往往会持续影响未来，而 Ｍｅｍｏ
ｒ ＧＡＲＣＨ）。该 模 型 不 同 于 加 入 机 制 转 换
ｙ　
单变量 ＧＡＲＣＨ 模 型 往 往 假 设 油 价 波 动 率 的 自 相 的 ＭＲＳ－ＧＡＲＣＨ 模型，它主要通过对不同方差成
关函数按指数比率 衰 减，难 以 刻 画 它 的 长 记 忆 性 特 分进行动态结合，从 而 捕 捉 波 动 率 序 列 中 存 在 的 长
征 ［
２０－２１］
，因此，有学 者 提 出 了 能 描 述 油 价 波 动 率 长 记忆性、短记忆性和不同结构特征，具有更强的灵活
记忆 性 的 模 型，如 ＦＩＧＡＲＣＨ［２２］、 ［ ］
ＦＩＡＰＧＡＲＣＨ ２３ 性。Ｌ
ｉ　 ｉ等 ３４ 认为 ＭＭＧＡＲＣＨ 模型主要通过
Ｍｕｙ
［ ］

和 ＨＡＲ－ＧＡＲＣＨ［２４］。其中， Ｚｈｕｏ 等 ２４ 在
Ｈｕａｎｇ　
［ ］
权重系数 将 标 准 ＧＡＲＣＨ 模 型 和 ＦＩＧＡＲＣＨ 模 型
已实现 ＧＡＲＣＨ 模型的基础上加入 ＨＡＲ 模型捕捉 相 结 合，能 够 揭 示 不 同 的 波 动 率 结 构。 Ｋｌ
ｅｉｎ和
波动率的长记忆性，结果发现 ＨＡＲ－ＧＡＲＣＨ 模型 Ｗａ
ｌｔ ｒ３３ 则 使 用 ＭＭＧＡＲＣＨ 模 型 研 究 方 差 和
ｈｅ
［ ］

比简 单 的 已 实 现 ＧＡＲＣＨ 模 型 具 有 更 好 的 样 本 外 ＶａＲ 的预测问题，结果表明由于 ＭＭＧＡＲＣＨ 模 型

预 测 能 力；Ｋａｎｇ 等
采 用 ＣＧＡＲＣＨ 模 型 和 ＦＩ－
［
２５］
可以动态描述波动 率 的 结 构 特 征 和 记 忆 性，使 得 其
ＧＡＲＣＨ 模型预测 ＷＴＩ、
Ｂｒｅｎｔ 和 Ｄｕｂａ
ｉ原 油 现 货 预测结果优于其它离散波动率模型。尽管现有文献
波 动 率，发 现 它 们 的 预 测 能 力 明 显 强 于 标 准 对 ＭＭＧＡＲＣＨ 模型展 开 了 部 分 研 究，但 是 该 模 型
ＧＡＲＣＨ 和 ＩＧＡＲＣＨ 模 型； ａｏ 等 采用 在油价波动率预测 方 面 是 否 具 有 优 势、能 否 有 效 刻
［
２６］
Ｚｈａｏ　
Ｌｕｔ
ＧＡＲＣＨ－Ｍ－ＥＶＴ 族 模 型 预 测 国 际 油 价 的 ＶａＲ， 画油价波动的复杂特征尚待深入研究。
结果表明 Ｆ
ＩＡＰＡＲＣＨ－Ｍ－ＥＶＴ 模型由于能够刻画 综上 所 述，尽 管 国 内 外 学 者 已 在 波 动 率 预 测 建
油价波动率的长记忆性，所以相较于标准 ＧＡＲＣＨ 模 模方面开展大量工 作，但 对 国 际 原 油 市 场 复 杂 特 征
型、
ＦＩＧＡＲＣＨ 模型等具有更好的预测能力。 的考虑尚有欠缺，考 虑 结 构 变 化 和 长 记 忆 性 的 波 动
从上 述 研 究 看 出，油 价 波 动 率 的 结 构 变 化 和 长 率预测模型对油价波动率预测较传统模型是否具有
记忆性特征往往是对油价波动率进行合理建模和准 更好的效果？ ＭＭＧＡＲＣＨ 模型是 否 可 以 有 效 刻 画
确预测的关键。部分学者研究指出结构变化和长记 油价波动 率 的 结 构 变 化 和 长 记 忆 性 特 征？ 尚 不 清
忆性 特 征 之 间 存 在 一 些 联 系。 例 如，
Ｄｉｅｂｏ
ｌｄ 和Ｉ
ｎ－ 楚。为此，本 文 将 能 识 别 结 构 断 点 的 ＩＣＳＳ 算 法 与
ｏｕｅ
［
２７］
研究发现结构突变可 能 会 导 致 序 列 出 现 长 记 能刻画长记忆性的 ＧＡＲＣＨ 族模型相结合，对 ＷＴＩ
忆性 特 征；
Ｂａｉ
ｌｌ
ｉｅ 和 Ｍｏ
ｒａｎａ
［
指出条件方差中存
２８］
和 Ｂｒ
ｅｎｔ油价波 动 率 进 行 预 测 建 模，并 将 预 测 结 果
在的结构突变可能 是 长 记 忆 性 的 一 个 合 理 来 源，并 与 ＭＭＧＡＲＣＨ 模型进 行 比 较，深 入 探 索 考 虑 结 构
 · ５６ · 中国管理科学 　　　　　　　　　　　　　　　　　　　　２０２１ 年

变化 和 长 记 忆 性 特 征 的 ＧＡＲＣＨ 族 模 型 相 较 于 标 油价。此外，本文采用油价日收益率的平方值 （
Ｒｔ２）
准 ＧＡＲＣＨ 模 型 在 油 价 波 动 率 预 测 方 面 是 否 具 有 作为实际波动率的代理变量。
显著优势。 本文样本区间为 １９９３ 年 ５ 月 １ 日 至 ２０１７ 年 ３
本文 研 究 贡 献 主 要 包 括 两 个 方 面：一 是 证 实 了 月 １ 日，并 将 １９９３ 年 ５ 月 １ 日 至 ２０１２ 年 １２ 月 ３１
国际油价波动率中确实存在结构变化和长记忆性特 日作 为 样 本 内 估 计 区 间，而 将 ２０１３ 年 １ 月 １ 日 至
征，而且 ＷＴＩ和 Ｂｒ
ｅｎｔ油价均具有不同的波动率结 ２０１７ 年 ３ 月 １ 日 作 为 样 本 外 预 测 区 间。 ＷＴＩ 和
构；二是 采 用 能 刻 画 结 构 变 化 和 长 记 忆 性 特 征 的 Ｂｒ ｔ原油收 益 率 序 列 的 描 述 性 统 计 结 果 见 表 １。
ｅｎ
ＧＡＲＣＨ 族模型对油 价 波 动 率 进 行 预 测 建 模，证 实 可 以 看 出，两 者 的 统 计 性 质 相 似，正 如 Ｆａ ｔ
ｔｏｕｈ
了此类模型在油价 波 动 率 预 测 方 面 的 显 著 优 势，特 ２０１０ 指出，长期来看，全球原油市场趋向于高度一
（ ）
别是证实了 ＭＭＧＡＲＣＨ 模型可以动态刻画油价波 体化 ［３５］。 ＷＴＩ和 Ｂｒ
ｅｎｔ原 油 收 益 率 的 均 值 都 接 近
动率中的结构变化 和 不 同 记 忆 性，具 有 更 为 优 异 的 于 ０，且标准差的结果表明 ＷＴＩ相较于 Ｂｒ
ｅｎｔ更 加
预测性能，从而弥补 了 多 数 模 型 只 考 虑 结 构 变 化 或 不稳定。 ＷＴＩ和 Ｂｒ
ｅｎｔ原油收益率的偏度均为负数，
记忆性的缺陷，为国 际 油 价 波 动 率 预 测 模 型 的 选 择 峰度均大于 ３，说明它们都具有明显的“尖峰厚尾”特
明确了方向。 征。同时，
Ｊａｒ
ｑｕｅ－Ｂｅ
ｒａ 统 计 量 在 １％ 的 水 平 下 显 著
拒绝原油价格收益率序列服从正态分布的原假设，说
２　 数据与方法
明它们都不服从正态分布，而存在胖尾分布的特征。
１　 数据说明
２． Ｌ
ｊｕｎｇ－Ｂｏｘ检验的 Ｑ 统计量在 １％ 的显著性水平拒
本文采用 美 国 西 德 克 萨 斯 州 轻 质 （ＷＴＩ）原 油 绝原假设，说明它们都存在显著的自相关性，即原油
和英国北海布伦特（ Ｂｒ ｔ）原油的日频现货价格，数
ｅｎ 市场波动中存在 ＡＲＣＨ 效应。除此之外，ＡＤＦ 单位
据来 源 于 美 国 能 源 信 息 署 （
ＥＩＡ）。 同 时，本 文 以 根检验结果表明，两种油价收益率序列都显著拒绝存
ＷＴＩ和 Ｂｒ ｔ 油 价 的 对 数 收 益 率 作 为 研 究 对 象，
ｅｎ 在单位根的原假设，说明它们都是平稳序列，而 ＰＰ 检
即：Ｒｔ ＝ｌ
ｏｇ（Ｐｔ／Ｐｔ－１）， ｎ，其中，Ｐｔ 表示
ｔ ＝ ２，…， 验和 ＫＰＳＳ 检验的结果也证明了这一点。

表 １　 原油价格收益率序列描述性统计结果

统计量 ＷＴＩ　 Ｂｒ
ｅｎｔ 统计量 ＷＴＩ　 Ｂｒ
ｅｎｔ
平均值 ０．
０００２　 ０．
０００２　 Ｑ（
８） ２（
１５． ００００）
０． ４５ （
３２． ０．００００）
标准差 ０．
０２５３　 ０．
０２２４　 ２（ ）
Ｑ ８ ８６ （
５９５． ０．００００） １０ （
５９９． ０．００００）
偏度 －０．
１１７０ －０．
０２５２ ＡＤＦ 检验统计量 ３２８０ （
－７７． ０．００００） ７３８５ （
－７４． ０．００００）
峰度 ８．
４７４５　 ８．
２０９ ＰＰ 检验统计量 ８８ （
－７２． ０．００００） １４ （
－７０． ０．００００）
Ｊ－Ｂ 统计量 ５２ （
６３６４． ０．００００） ６（
５５４３． ００００）
０． ＫＰＳＳ 检验统计量 ０４８（
０． ０．４８０８） ０５０（
０． ０．４７９２）

　　 注：小括号内为 Ｐ 值，
Ｊ－Ｂ 为 Ｊ
ａｒｑｕｅ－Ｂｅ
ｒａ统计量，
Ｑ（８）、 ８）分 别 为 标 准 残 差 序 列 和 标 准 残 差 平 方 序 列 的 滞 后 阶 数 为 ８ 的 Ｌ
Ｑ２ （ ｊｕｎｇ－
Ｂｏｘ 检验 Ｑ 统计量。

２　 研究方法
２． ２，…Ｔ，ＡＩＴ 的 渐 进 分 布 由 布 朗 桥 ｓｕｐ｜Ｗ ＊ （
ｒ）｜
ｒ
（
１）ＩＣＳＳ 算法 给出，临 界 值 通 过 模 拟 产 生。 如 果 ＡＩＴ 大 于 临 界
ａｎ 和 Ｔｉ
ａｏ３６ 提出 ＩＣＳＳ 算法，通过检验 ＩＴ
［ ］
Ｉ
ｎｃｌ 值，则拒绝原假设，表明油价收益率序列的无条件方
统计量识别无条件方差中的结构断点。Ｓａｎｓｏ 等 ［３７］
差存在显著的 结 构 断 点。 否 则 不 能 够 拒 绝 原 假 设，
指出当采用独立的 ＧＡＲＣＨ 过程时， ＩＴ 统计量明显
表明油价收益率序列的无条件方差没有显著的结构
过大。所以，为了更 准 确 地 识 别 国 际 油 价 收 益 率 序
断点。
列无条件方差中的结 构 断 点，本 文 使 用 Ｓａｎｓｏ 等 ［３７］
（
２）ＧＡＲＣＨ（
１，１）模型
调整后的ＩＴ 统计量（即 ＡＩＴ），具体形式为：ＡＩＴ ＝
用ｒｔ 表示原油价格收益率序列，则 ＧＡＲＣＨ（
１，
Ｇｋ ＝＾
ｓｕｐ｜Ｔ－０．５　Ｇｋ ｜， １／２
ω－ （ Ｃｋ － （ ＣＴ ），其 中，
ｋ／Ｔ）
１）模型可以写成如下形式：
ｋ
ｔ ｍ
ｋ
＾ １ ２
Ｃｋ ＝ ∑ｔ＝１ε ，
ω ＝ ∑（ εｔ －＾
σ） ＋ ∑ （ １－ｌ（
２ ２ ２
ｔ ｍ ｒｔ ＝ μｔ ＋ｕｔ， ｈｔ ，
ｕｔ ＝εｔ 槡
Ｔ ｔ＝１ Ｔ ｌ＝１
Ｔ
ｈｔ ＝ Ｖａｒ（ｒｔ｜Ｆｔ－１）＝ ω１ ＋α１ｕｔ２－１ ＋β１ｈｔ－１ （
１）
＋１） ∑ εｔ －＾
） （ εｔ－ｌ －＾
σ）（ σ），ｍ 为截断参数，
ｋ＝１，
－１ ２ ２

ｔ＝ｌ＋１ 其中，μｔ 为油价收益率序列ｒｔ 的均值，

ｕｔ 为残差项，
第 ９ 期 　　　　　　　　　 张跃军等：考虑结构变化和长记忆性的国际原油价格波动率预测研究 · ５７ ·

ｈｔ 为 ＧＡＲＣＨ 模 型 中 的 条 件 方 差。 在ｔ ＝ １，…，
ｎ 为类似 ＡＲＣＨ （∞ ）的形式，如公式（ ４）所示：
时， εｔ ～ Ｎ（
０，１）
ｉ． ｄ，
ｉ． Ｆｔ－１ 表示由历史序列产生的 ｈ２，ｔ ＝ ω２ ＋ （
１－β２Ｌ － （ ｄ
１－Ｌ））ｕｔ２ ＋β２ｈ２，ｔ－１
ｓ
ｉｇｍａ系数，模型假定 ω１ ＞ ０，
α１ ，
β１ ＞ ０，
α１ ＋β１ ＜ ω２ ∞
（
２
δｊｕｔ－ｊ ４）
１－β２ ∑ｊ＝１
＝ ＋
１。若α１ ＋β１ ＝１，则外生冲击对油价波动率的影响
是永久 的，此 时 模 型 被 称 为 ＩＧＡＲＣＨ 模 型 （
Ｉｎｔ
ｅ－ 其中，δｊ 被 称 为 ＦＩＧＡＲＣＨ 权 重，由 ＦＩＧＡＲＣＨ 参
ｒａｅｄ－ＧＡＲＣＨ）。
ｔ 数计算出来。
ｇ
（
３）ＦＩＧＡＲＣＨ 模型 ５）联合模型
（

上述 ＧＡＲＣＨ 模 型 假 设 波 动 率 的 自 相 关 函 数 受 Ｅｗｉ
ｎｇ 和 Ｍａ
ｌｉｋ １７ 启发，为了同时刻画油价
［ ］

呈指数形式衰减，因 此 无 法 刻 画 油 价 波 动 率 的 长 记 波动率的结构变化 和 长 记 忆 性 复 杂 特 征，本 文 将 改

忆性。为了 弥 补 ＧＡＲＣＨ 模 型 在 非 高 度 参 数 化 下 进的ＩＣＳＳ 算 法 和 ＧＡＲＣＨ 族 模 型 相 结 合，主 要 思
只能描述短期记 忆 的 缺 点，
Ｂａｉ
ｌｌ
ｉｅ 等 ２２ 假 设 波 动 率
［ ］ 想是在 ＧＡＲＣＨ 族 模 型 中 加 入 结 构 断 点。 以 标 准

的自相关函数按照 双 曲 线 形 式 衰 减，提 出 了 能 采 用 ＧＡＲＣＨ 模型为例，可以将公式（

１）进一步写成公式
更少参数、覆盖更长记忆的 ＦＩＧＡＲＣＨ（
ｐ，ｄ，ｑ）模 ５ 的形式：
（ ）

型，其中 ｄ 为描述长记忆性的分整参数，ｐ 和ｑ 类似 ｒｔ ＝ μｔ ＋ｕｔ， ｈｔ ，

ｕｔ ＝εｔ 槡
于滞后阶 数。ＦＩＧＡＲＣＨ （
１，ｄ，１）模 型 形 式 如 下 ｈｔ ＝ ω ＋ｄ１Ｄ１ ＋ … ＋ｄｎＤｎ ＋α ｕｔ２－１ ＋β
ｈｔ－１ （
５）
所示： 参考 Ｅｗｉ ｎｇ 和 Ｍａｌｉｋ 的 做 法，Ｄ１ ，…，
［
１７］
Ｄｎ 是
ｈｔ ＝ ω２ ＋ （
１－β２Ｌ － （
１－φＬ）（ ｄ
１－Ｌ） ）
ｕｔ２ 一组虚拟变量序列，在每个结构断 点 取 值 为 １，其 他
＋β２ｈｔ－１ （２） 情况取值为零。
其 中， Ｌ 为滞后算子，且模型假定：ω２ ＞ ０， ０ ≤β２ ≤ ６）损失函数
（
０≤ｄ ≤１－２φ。这样能保证 ０≤ｄ ≤１，可以
φ ＋ｄ， ｅｎ 和 Ｌｕｎｄｅ３９ 的 做 法，采 用 多
本文借鉴 Ｈａｎｓ ［ ］

充分描述波动率的长记忆性程度。当 ｄ ＝０ 时， ＦＩ－ 种损失函数作为评 价 预 测 偏 差 的 标 准，损 失 函 数 越

ＧＡＲＣＨ 模型等同于 ＧＡＲＣＨ 模 型，模 型 无 法 刻 画 大表示偏差越大，即 模 型 预 测 能 力 越 低，反 之 亦 然。
长记 忆 性；当 ｄ ＝ １ 时，ＦＩＧＡＲＣＨ 模 型 等 同 于 具体函数形式如方程（ ９）所示：
６）－ （
ＩＧＡＲＣＨ 模型，假定了波动率的永久记忆性。 Ｎ
１ ＾
（
ＲＭＳＥ ＝ ∑ ｈｔ －ｈｔ）
２
（
６）
４）ＭＭＧＡＲＣＨ 模型
（
槡Ｎｔ＝１

根据 Ｋｌ
ｅｉｎ 和 Ｗａ
ｌｔ ｒ ３３ 的研究，ＭＭＧＡＲＣＨ
ｈｅ
［ ］
１
Ｎ

ＭＡＥ ＝ ∑ ｜＾
ｈｔ －ｈｔ｜ （
７）
模型的主要思想是通过引入一个伯努利随机变量序 Ｎｔ＝１

列（ Ｚｔ） ｎ 将 ＧＡＲＣＨ （
ｔ＝１，… ， １，１）和 ＦＩＧＡＲＣＨ（１， １
Ｎ

ＱＬＩＫＥ ＝ （
ｌ ＾
ｎ（ ＾
ｈｔ）－ｈｔ／
ｈｔ）
２
（
８）
１）模型结合，因 此 能 反 映 油 价 波 动 率 中 的 结 构 变
ｄ， Ｎｔ∑
＝１
Ｎ
化和长记忆性。 ＭＭＧＡＲＣＨ 模型形式如下： １ ＾
Ｒ２　ＬＯＧ ＝ （
ｌｎ（
ｈｔ／
ｈｔ））
２
（
９）
Ｎｔ∑
ｒｔ ＝ μｔ ＋ｕｔ， ｈｔ ，
ｕｔ ＝ εｔ 槡 ｈｔ ＝ Ｚｔｈ１，ｔ ＋ （
１－ ＝１
＾
其中，
ｈｔ 和ｈｔ 分别表示ｔ 时期油价波动率的预测值
Ｚｔ）
ｈ２，ｔ （
３）
和实际值，
Ｎ 表示预测值的个数。
其 中，ｕｔ 为残差项， ｔ＝１，…，ｎ，ｈ１，ｔ ＝ω１ ＋α１ｕｔ２－１ ＋
β１ｈ１，ｔ－１ ，表示 ＧＡＲＣＨ 模型，
ｈ２，ｔ ＝ω２ ＋ （１－β２Ｌ－ ３　 实证结果分析
（
１－φＬ）（ ｄ
１－Ｌ） ｕｔ２ ＋β２ｈ２，ｔ－１ ，表示 ＦＩＧＡＲＣＨ 模
）
１　 结构断点识别
３．
型。为了获得动态 的 混 合 比 率，模 型 引 入 伯 努 利 随
本文采用改进的 ＩＣＳＳ 算 法 识 别 出 油 价 收 益 率
机变量 Ｚｔ，
Ｚｔ ∈ （
０，１），且 满 足 Ｐ（
Ｚｔ ＝ １）＝ πｔ，
序列中 的 五 个 结 构 断 点，分 别 是：
２００５ 年 ６ 月 １２
πｔ ）
ｏｇ（
ｌ ｒｔ－１ － ｕｔ－１）， 即 πｔ ＝
＝ λ０ ＋ λ１（ 日、
２００８ 年 ９ 月 １１ 日、
２００９ 年 ４ 月 １９ 日、
２０１２ 年
１－πｔ
１ １１ 月 １９ 日和 ２０１４ 年 ７ 月 ９ 日，并 依 此 将 样 本 划 分
。
１＋ｅｘｐ（－λ０ －λ１（ｒｔ－１ －ｕｔ－１）） 为 ６ 个区间，如表 ２ 所示。值得关注的是，
２００８ 年 ９
为 了 满 足 模 型 的 非 负 性 和 严 格 平 稳 性 的 假 定， 月的结构断点明显与金融危机关联密切，而 ２０１４ 年
ＭＭＧＡＲＣＨ 模 型 引 入 Ｂｏ ｅｖ 和 Ｍｉ
［
３８］
ｌ
ｌｅｒ
ｓｌ ｋｋｅ ｌｓ
ｅｎ ７ 月世界经济低迷和美国原油产量增 长 共 同 导 致 的
的处理 方 法，将 其 中 的 ＦＩＧＡＲＣＨ 部 分 （ ｈ２，ｔ）表 述 油价暴跌同样造成了油价收益率序列的断点。
· ５８ · 中国管理科学 　　　　　　　　　　　　　　　　　　　　２０２１ 年

表 ２　 原油价格收益率序列结构断点的识别结果

结构断点划分区间序号 时段 标准差 结构断点划分区间序号 时段 标准差

１　 ２０００／１／１－２００５／６／１２　 ０．
０２６４　 ４　 ２００９／４／２０－２０１２／１１／１９　 ０．
０２０１
２　 ２００５／６／１３－２００８／９／１１　 ０．
０１９６　 ５　 ２０１２／１１／２０－２０１４／７／９　 ０．
０１１０
３　 ２００８／９／１２－２００９／４／１９　 ０．
０５７３　 ６　 ２０１４／７／９－２０１７／３／１　 ０．
０２７０

　　 注：采用改进的 ＩＣＳＳ 算法识别收益率序列的无条件方差中的结构断点 ，样本期从 １９９３ 年 ５ 月至 ２０１７ 年 ３ 月。

２　 样本内表现
３． 变化。两种模型 中 α１ 和 β１ 均 显 著 异 于 ０，且 β１ 总
为了刻画国际油价的结构变化和长记忆性特 大于α１ ，表 明 油 价 上 一 期 波 动 对 当 期 波 动 影 响 更
征，本 节 将 ＩＣＳＳ 算 法 与 ＧＡＲＣＨ 族 模 型 结 合，对 大，即具有波 动 集 聚 效 应。 此 外，
α１ ＋β１ 接 近 于 １，
ＷＴＩ和 Ｂｒ
ｅｎｔ油价收 益 率 进 行 估 计。 首 先，为 了 判 在加入结构断点之后， α１ ＋β１ 明 显 减 小，证 明 ＷＴＩ
断考 虑 结 构 变 化 对 ＧＡＲＣＨ 族 模 型 拟 合 效 果 的 影 和 Ｂｒ
ｅｎｔ油价波 动 率 存 在 结 构 变 化，忽 略 这 一 点 会
响，我 们 比 较 了 标 准 ＧＡＲＣＨ 模 型、
ＦＩＧＡＲＣＨ 模 造成虚假的波动持续性 ［３１，４０］。
型以及加 入 结 构 断 点 的 ＧＡＲＣＨ 模 型、
ＦＩＧＡＲＣＨ ② 在 ＧＡＲＣＨ 模型和 Ｆ
ＩＧＡＲＣＨ 模型加入 ＩＣＳＳ
模型的样本内 估 计 结 果，然 后 采 用 ＭＭＧＡＲＣＨ 模 算法识别的结构断点后，模型对 ＷＴＩ和 Ｂｒ ｅ
ｎｔ油价波
型进行拟合，并将其 拟 合 结 果 与 以 上 模 型 的 拟 合 结 动率的拟合性能得到了明显提高。如极大似然函数
果进行比较。鉴于油价收益率具有尖峰厚尾及非正 值和 ＡＩＣ 值 所 示，加 入 了 结 构 断 点 的 ＧＡＲＣＨ 模 型
态特征，本文采用 服 从 Ｓ
ｔ ｔ－ｔ 分 布 的 ＧＡＲＣＨ
ｕｄｅｎ ＩＧＡＲＣＨ 模型得到的极大似然函数值和 ＡＩＣ 值
和Ｆ
族模型。具体拟合结果见表 ３ 和表 ４。 均有明显变化，这也验证了 Ｅｗｉ
ｎｇ 和 Ｍａ
ｌｉｋ１７ 的研究
［ ］

１）比较未考虑 结 构 变 化 的 ＧＡＲＣＨ 族 模 型 和
（ 结论：在标准 ＧＡＲＣＨ 模型中加入结构断点可以用于
加入结构断点的 ＧＡＲＣＨ 族 模 型 的 拟 合 结 果，可 以 解释油价波动率的结构变化，进而有效减弱波动率中
发现：① 油价波动率 中 存 在 显 著 的 集 聚 效 应 和 结 构 虚假的持续性，达到更好的拟合效果。

表 ３　ＷＴＩ油价收益率的样本内拟合结果

ＧＡＲＣＨ　 ＦＩＧＡＲＣＨ　 ＩＣＳＳ＋ＧＡＲＣＨ　 ＩＣＳＳ＋ＦＩＧＡＲＣＨ　 ＭＭＧＡＲＣＨ

０．０００３ ０．０００５ ０．０００２ ０．０００２ ０．０００５
μ （
０．０００２） （
０．０００３） （
０．０００２） （
０．０００１） （
０．０００１）
０．０６３８ ０．０６１９ ０．０１９７
ω１（
×１０－４）
（
０．００２５） （
０．１１２５） （
０．００６０）
０．０７１５ ０．０５２９ ０．０３０５
α１
（
０．０１５４） （
０．０３１７） （
０．００３６）
０．９２８１ ０．９２９３ ０．９５４８
β１ （
０．０１６９） （
０．０２７３） （
０．００５０）
０．７１６９ ０．４２１３ ０．０２７０
ω２（
×１０－４）
（
０．２１４８） （
０．２１９２） （
０．００２０）
０．２６７５ ０．２８３３
φ （
０．１３８６） （
０．０９０１）
０．４８６１ ０．４６２８ ０．４８３０
β２ （
０．０４７４） （
０．０９６２） （
０．１６４６）
０．３４２６ ０．２９６１ ０．９９９９
ｄ
（
０．０４４０） （
０．０４２２） （
０．０３２０）
２．３５３３
λ０
（
０．００７１）
－２．３３２０
λ１
（
３．４３６６）
ＬＬ －１２２７１ －１２１８８ －１２１４４ －１２１３８ －１２１１３
ＡＩＣ　 ４．
４２６５　 ４．
４１０９　 ４．
３９３１　 ４．
３０１０　 ４．
２０２２
Ｑ（
８） ５．
６１１２　 ４．
８９２７　 ５．
０４１２　 ４．
７９９１　 ４．
３３１９
Ｑ２（
８） ２０．
６９８４　 １９．
８５２９　 １７．
７０３２　 １５．
１２２０　 １１．
３７４２
　　 注：小括号内为 Ｐ 值，
ＬＬ 为对数似然函数值， ＡＩＣ 即为 Ａｋａ
ｉｋｅ
　Ｉｎ
ｆｏｒｍａ
ｔｉｏｎ　
Ｃｒｉ
ｔｅｒ
ｉｏｎ。Ｑ（
８）、 ８）分 别 为 标 准 残 差 序 列 和 标 准 残 差 平 方
Ｑ２（
序列的滞后阶数为 ８ 的 Ｌ Ｑ 统计量。
ｕｎｇ－Ｂｏｘ　
ｊ
第 ９ 期 　　　　　　　　　 张跃军等：考虑结构变化和长记忆性的国际原油价格波动率预测研究 · ５９ ·

　　 ③ 在 ＧＡＲＣＨ 族 模 型 中 加 入 结 构 断 点 可 以 减 ３）比较 ＭＭＧＡＲＣＨ 模 型 与 其 它 ＧＡＲＣＨ 族

（
弱残差 序 列 中 的 剩 余 ＧＡＲＣＨ 效 应，减 小 自 相 关 模型 的 拟 合 结 果，可 以 发 现：① ＷＴＩ 和 Ｂｒ
ｅｎｔ均 具
性，提高 ＧＡＲＣＨ 族模型对 原 油 市 场 价 格 波 动 率 的 有不同的波动率结 构，存 在 显 著 的 结 构 变 化 和 长 记
拟 合 优 度。 如 ＬＢ 检 验 的 统 计 结 果 所 示，在 忆性，这可以通过 ＭＭＧＡＲＣＨ 模 型 估 计 出 的 ｄ 值
ＧＡＲＣＨ 模 型 和 ＦＩＧＡＲＣＨ 模 型 中 考 虑 结 构 断 点 得出。由于 ｄ 值 显 著 异 于 ０，说 明 ＦＩＧＡＲＣＨ 模 型
后，所得的 Ｑ 统计量减小，说明自相关性减弱。 不等同于 ＧＡＲＣＨ 模型，波 动 率 序 列 中 存 在 显 著 不
２）比较 ＧＡＲＣＨ 模型与 ＦＩＧＡＲＣＨ 模型的拟
（ 同的成分，即 长 记 忆 性 与 短 记 忆 性 ［６，１９］。 长 记 忆 性
合结果，可以 发 现：① 油 价 波 动 率 具 有 长 记 忆 性 特 代表原油市场处于 高 波 动 期，序 列 的 自 相 关 系 数 呈
征，无论是 否 考 虑 结 构 变 化，
ＦＩＧＡＲＣＨ （ １，ｄ，１） 双曲 线 形 式 缓 慢 衰 减 到 ０；而 短 记 忆 性 代 表 原 油 市
模型估计的 分 整 参 数 都 显 著 异 于 ０。 对 ＷＴＩ 进 行 场处于低波动期，序 列 的 自 相 关 系 数 呈 指 数 形 式 迅
建模时， １，ｄ，１）模型的 ｄ 参数值在考
ＦＩＧＡＲＣＨ （ 速衰减。 ②ＭＭＧＡＲＣＨ 模型可以 较 好 地 刻 画 油 价
虑结构变化前后分别为 ０． ３４２６ 和 ０．
２９６１，均位于 ０ 波动 率 中 存 在 的 结 构 变 化 和 长 记 忆 性 特 征。 如
和 １ 之间，且 在 ５％ 的 水 平 上 显 著，说 明 ＷＴＩ 油 价 ＭＭＧＡＲＣＨ 模型及其它 ＧＡＲＣＨ 族模型的拟合结
波动率具有显著的长记忆性。对 Ｂｒ
ｅｎｔ进行建模时， 果 所 示，极 大 似 然 函 数 值 和 ＡＩＣ 值 均 表 明
两个模型的 ｄ 参数值分别为 ０．
４４２１ 和 ０．
３５６６，均在 ＭＭＧＲＡＣＨ 模型具有最好的拟合性能，优于加入结
５％ 的显著 性 水 平 上 拒 绝 原 假 设，同 样 证 明 了 Ｂｒ
ｅｎｔ 构断点且考虑长记忆性的ＩＣＳＳ 算法与 Ｆ
ＩＧＡＲＣＨ 模
油价波动率的长记忆性。 ② 无论是否考虑结构变化， 型的组 合 模 型。这 是 由 于 ＭＭＧＡＲＣＨ 模 型 采 用 动
能刻画长记忆性的 Ｆ １，ｄ，１）模型均比标
ＩＧＡＲＣＨ （ 态的权重系数将 ＧＡＲＣＨ 模型和 Ｆ
ＩＧＡＲＣＨ 模型结
准 ＧＡＲＣＨ 模型的拟合效果更好，这可以通过比较模 合起来，能较好地刻画油价波动率长记忆性特征，并
型拟合出来的极大似然函数值和 ＡＩＣ 值得出。 反映出油价波动率中的不同结构特点 ［２８］。

表 ４　Ｂｒ
ｅｎｔ油价收益率的样本内拟合结果

ＧＡＲＣＨ　 ＦＩＧＡＲＣＨ　 ＩＣＳＳ＋ＧＡＲＣＨ　 ＩＣＳＳ＋ＦＩＧＡＲＣＨ　 ＭＭＧＡＲＣＨ

０．０００３ ０．０００２ ０．０００２ ０．０００３ ０．０００４

μ （
０．０００４） （
０．０００１） （
０．０００２） （
０．０００３） （
０．０００２）

０．０１６５ ０．０３０２ ０．００００

ω１（
×１０－４）
（
０．００４０） （
０．０３１１） （
０．００００）

０．０５２９ ０．０４１８ ０．０２５７

α１
（
０．０１５４） （
０．００５９） （
０．００３９）

０．９４５３ ０．９１５０ ０．９８４１

β１ （
０．００９９） （
０．０１０４） （
０．００４８）

０．４１５５ ０．０２７５ ０．５３４１

ω２（
×１０－４）
（
０．００２３） （
０．０１７７） （
０．０４１２）

０．２３２４ ０．２６１１
φ （
０．０７１３） （
０．０７５４）

０．６６４２ ０．５６８１ ０．６６５４

β２ （
０．０８８１） （
０．０７３２） （
０．０３４０）

０．４４２１ ０．３５６６ ０．７３４４

ｄ
（
０．０４０１） （
０．０４９２） （
０．０１００）

１．７１００
λ０
（
０．０４９１）

２２．００４０
λ１
（ ７４４１）
６．
ＬＬ －１１７４１ －１１７２５ －１１７１２ －１１７０１ －１１６８５
ＡＩＣ　 ４．
４１９８　 ４．
４１１０　 ４．
３０２２　 ４．
２９１１　 ４．
２８００
Ｑ（
８） ９．
４５１５　 ８．
９２１６　 ８．
９３３０　 ７．
４９１３　 ７．
０２２３
Ｑ２（
８） １６．
２７６３　 １１．
２５４１　 １１．
５６１２　 １３．
６２３４　 １０．
８９１０

　　 注：小括号内为 Ｐ 值，
ＬＬ 为对数似然函数值，
ＡＩＣ 即为 Ａｋａ
ｉｋｅ
　Ｉｎ
ｆｏｒｍａ
ｔｉｏｎ　
Ｃｒｉ
ｔｅｒ
ｉｏｎ。Ｑ（
８）、 ８）分 别 为 标 准 残 差 序 列 和 标 准 残 差 平 方
Ｑ２（
序列的滞后阶数为 ８ 的 Ｌ
ｊ Ｑ 统计量。
ｕｎｇ－Ｂｏｘ　
 · ６０ · 中国管理科学 　　　　　　　　　　　　　　　　　　　　２０２１ 年

３　 样本外表现
３．
为了 比 较 ＭＭＧＡＲＣＨ 模 型 与 其 它 ＧＡＲＣＨ
族模型的样本外预 测 能 力，本 文 计 算 了 四 种 不 同 损
失函数下各模型向前 ｈ 步（
ｈ＝１、
５、２０）预测的 损 失
函数值，从而评价各模型对油价波动率的预测能力。
本文将最后五年作 为 样 本 外 预 测 区 间，采 用 滚 动 预
测的方法，即首先根 据 估 计 出 的 模 型 参 数 预 测 未 来
ｈ 天的波动率，然后窗口向前滚动 １ 天确定新的 拟
合区间，重新估计各模 型 的 参 数 后 再 向 前 ｈ 步 进 行
预测。依此类推，得 到 各 模 型 在 预 测 区 间 内 的 油 价
波动率预测值，然 后 计 算 其 损 失 函 数。 采 用 较 长 的
样本内数据是为了避免极大似然估计过程中出现最
优化不收敛的情况。预测结果见表 ５，可以看出：
１）考虑了结构 变 化 的 ＧＡＲＣＨ 族 模 型 比 未 考
（
虑结 构 变 化 的 ＧＡＲＣＨ 族 模 型 具 有 更 好 的 预 测 能
力。这一 点 在 标 准 ＧＡＲＣＨ 模 型 和 ＦＩＧＡＲＣＨ 模
型上均表现明显。例如，在预测 ＷＴＩ油价波动率且
预测步长为 １ 天时，加 入 结 构 断 点 后 的 模 型 所 得 的
四种损失函数值均低于未加入结构断点的 ＧＡＲＣＨ
模型的结 果。 在 其 它 预 测 步 长 下，采 用 ＩＣＳＳ 算 法
和 ＧＡＲＣＨ 模型的组合模 型 预 测 油 价 波 动 率 时，得
到的 损 失 函 数 值 亦 普 遍 小 于 标 准 ＧＡＲＣＨ 模 型 得
到的损失函数值。ＦＩＧＡＲＣＨ 模型在各个步长下的
情况也与 ＧＡＲＣＨ 模型的 情 况 相 似，以 上 结 果 均 表
明考 虑 结 构 变 化 可 以 提 高 ＧＡＲＣＨ 模 型 对 油 价 波
动率的预测性能。

表 ５　 油价波动率的预测结果

步长 损失函数 ＧＡＲＣＨ　 ＦＩＧＡＲＣＨ　 ＩＣＳＳ＋ＧＡＲＣＨ　 ＩＣＳＳ＋ＦＩＧＡＲＣＨ　 ＭＭＧＡＲＣＨ

Ｐａｎｅ
ｌ　Ａ：ＷＴＩ原油市场

ＲＭＳＥ （×１０－４） ７．
３８６５　 ７．
３１２８　 ７．
３４８３　 ７．
２４９０　 ７．
１６７０

ＭＡＥ （×１０ －４）

３．
５０４３　 ３．
３２１８　 ３．
３３２１　 ３．
３１１０　 ２．
９８１０
１步
ＱＬＩＫＥ　 ４．
８５２１　 ４．．
８４３８　 ４．
８３７１　 ４．
８３１９　 ４．
８２６６
２　
Ｒ ＬＯＧ　 ８．
３２００　 ８．
１４３０　 ７．
９８７６　 ７．
５４２４　 ７．
０１３１

ＲＭＳＥ （×１０ －４）

７．
３４５７　 ７．
３９５７　 ７．
２９７２　 ７．
２１８３　 ７．
３１８２

ＭＡＥ （×１０ －４）

３．
７０１２　 ３．
６６２０　 ３．
５４８９　 ３．
２１２９　 ３．
０２４１
５步
ＱＬＩＫＥ　 ５．
３６８８　 ５．
２６０２　 ５．
２３０９　 ５．
０９７２　 ４．
９８４３
２　
Ｒ ＬＯＧ　 ８．
６５９５　 ８．
４０１２　 ８．
３９８２　 ７．
１８４３　 ７．
０２１０

ＲＭＳＥ （×１０ －４）

７．
９０８１　 ７．
７０２１　 ７．
６５４３　 ７．
５９４６　 ７．
４０１５

ＭＡＥ （×１０ －４）

３．
８１０９　 ３．
６２１９　 ３．
５９２１　 ３．
５３２３　 ３．
００１０
２０ 步
ＱＬＩＫＥ　 ８．
６３９１　 ８．
１４２４　 ７．
９７８０　 ７．
６０３９　 ７．
７３０６
２　
Ｒ ＬＯＧ　 ９．
４９７０　 ９．
１４２３　 ８．
４５２２　 ７．
６９７８　 ７．
７０１３

Ｐａｎｅ
ｌ　Ｂ：Ｂｒ
ｅｎｔ原油市场

ＲＭＳＥ （×１０－４） ４．
４８４４　 ４．
４７１２　 ４．
４７３２　 ４．
４０３４　 ４．
３１２０

ＭＡＥ （×１０－４） ２．
５８４４　 ２．
３６１１　 ２．
６１１２　 ２．
２０３８　 ２．
００１４
１步
ＱＬＩＫＥ　 ５．
４２２７　 ５．
４０９８　 ５．
３５９４　 ５．
３１６９　 ５．
３２９５
２　
Ｒ ＬＯＧ　 ８．
７１６１　 ８．
３７４１　 ８．
５４１３　 ７．
１４２６　 ７．
１２６０

ＲＭＳＥ （×１０－４） ４．
５０１０　 ４．
４９９２　 ４．
４９１１　 ４．
４３２１　 ４．
０２２１

ＭＡＥ （×１０－４） ２．
８８３８　 ２．
６１２０　 ２．
７１２３　 ２．
７８０５　 ２．
３８２１
５步
ＱＬＩＫＥ　 ５．
９８００　 ５．
８７２９　 ５．
７４６２　 ５．
５９０３　 ５．
６２１８
２　
Ｒ ＬＯＧ　 ９．
８６６７　 ９．
３８６２　 ９．
７１２６　 ７．
９４４０　 ７．
１５１０

ＲＭＳＥ （×１０－４） ４．
５９９４　 ４．
５５７５　 ４．
４９８１　 ４．
４８８４　 ４．
２３１５

ＭＡＥ （×１０－４） ２．
６５５３　 ２．
５８９３　 ２．
５３１９　 ２．
２１０４　 ２．
１９７８
２０ 步
ＱＬＩＫＥ　 ７．
４８４７　 ７．
２４５５　 ７．
２３９０　 ７．
１１７２　 ７．
０８５６
２　
Ｒ ＬＯＧ　 ９．
４０６８　 ８．
９４４０　 ９．
１１４３　 ８．
３６４０　 ７．
０２４１

　　 注：表格中为损失函数值，加粗的数字表示在同一个损失函数标准下，此模型得到 的 损 失 函 数 值 最 小 ，即 此 模 型 在 ５ 个 模 型 中 具 有 相 对 较
好的预测性能。
第 ９ 期 　　　　　　　　　 张跃军等：考虑结构变化和长记忆性的国际原油价格波动率预测研究 · ６１ ·

２）考 虑 了 油 价 波 动 率 长 记 忆 性 的 ＦＩＧＡＲＣＨ
　　 （ ＭＭＧＡＲＣＨ 模型在 ＲＭＳＥ 和 ＭＡＥ 损失函数标准
模型比 ＧＡＲＣＨ 模型的预 测 效 果 更 好，这 一 点 在 有
无加入结构断点 时 均 表 现 明 显。 如 表 ５ 所 示，在 预
测 ＷＴＩ油 价 波动率且预测步长为 ５ 天时，采用 ＦＩ－
ＧＡＲＣＨ 模 型 得 到 的 损 失 函 数 值 基 本 上 低 于
ＧＡＲＣＨ 模 型 的 结 果；在 其 它 预 测 步 长 下，ＦＩ－
ＧＡＲＣＨ 模型的预测效果也普遍优于标准 ＧＡＲＣＨ
模型。 在 预 测 Ｂｒ
ｅｎｔ 油 价 波 动 率 时，情 况 也 基 本 相
似。这 些 结 果 都 表 明，
ＦＩＧＡＲＣＨ 模 型 由 于 能 刻 画
油价波动率的长记 忆 性，所 以 在 预 测 油 价 波 动 率 方
面比标准 ＧＡＲＣＨ 模型更具优势。
３）同时考虑波 动 率 结 构 变 化 和 长 记 忆 性 特 征
（ ＭＭＧＡＲＣＨ 模型更有利于原油市场波动率的预测。
的 ＧＡＲＣＨ 族模型往往具 有 相 对 较 好 的 预 测 效 果。
例如，在预测 ＷＴＩ 油 价 波 动 率 且 预 测 步 长 为 １ 天
时，在四个损失函数标 准 下，ＭＭＧＡＲＣＨ 模 型 的 预
测效果均明显优于其 它 四 种 ＧＡＲＣＨ 族 模 型；当 预
测步长 为 ５ 天 时，ＭＭＧＡＲＣＨ 模 型 在 三 个 损 失 函
数标 准 下 表 现 最 优；当 预 测 步 长 为 ２０ 天 时，
下 表 现 最 优。 在 预 测 Ｂｒ
ｅｎｔ 油 价 波 动 率 时，
ＭＭＧＡＲＣＨ 模型同样在大多数损失 函 数 标 准 下 表
现出了 较 明 显 的 优 势。 此 外，从 ＩＣＳＳ 算 法 和 ＦＩ－
ＧＡＲＣＨ 的组合模型与其他模型预测结果的比较 中
可 以 发 现，该 组 合 模 型 的 预 测 性 能 仅 次 于
ＭＭＧＡＲＣＨ 模型，而 Ａｒ ｉ等 ３１ 的研究结果也表
［ ］
ｏｕｒ
明，加入结构断点的 ＦＩＧＡＲＣＨ 模型相较于大多 数
模型具有 较 优 的 性 能，所以 可 以 证 明 同 时 考 虑 波 动
率结构变化和长记忆性特征的模型预测效果相对较
好，且 进 一 步 发 现 了 考 虑 结 构 特 征 和 不 同 记 忆 性 的
４　 稳健性检验
３．
为了探究原油价格序列的取样频率不同是否会
影响本文的核 心 结 果，本 节 使 用 上 述 ５ 个 ＧＡＲＣＨ
族模型预测相 同 区 间 内 的 周 频 ＷＴＩ 和 Ｂｒ ｅｎｔ油 价
波动率，结果 见 表 ６。 通 过 比 较 ４ 种 损 失 函 数 的 结
果，可以发现在不同预测步长 下 ，ＭＭＧＡＲＣＨ 模 型

表 ６　 周频油价波动率的预测结果

步长 损失函数 ＧＡＲＣＨ　 ＦＩＧＡＲＣＨ　 ＩＣＳＳ＋ＧＡＲＣＨ　 ＩＣＳＳ＋ＦＩＧＡＲＣＨ　 ＭＭＧＡＲＣＨ

Ｐａｎｅ
ｌ　Ａ：ＷＴＩ原油市场
ＲＭＳＥ （×１０－４） ６．６１９５　 ６．５７４１　 ６．
３９９２　 ６．
２２４１　 ５．
９３０５
ＭＡＥ （×１０－４） ３．
１１３２　 ３．０３４１　 ３．
０１１２　 ２．
９４２１　 ２．
７４００
１步
ＱＬＩＫＥ　 ６．
７４０２　 ６．
３５７２　 ６．
２９８５　 ６．
０４２７　 ５．
９４５０
Ｒ２　
ＬＯＧ　 ７．
１５３６　 ６．
９８０１　 ６．
８２７８　 ６．
３９１６　 ５．
８７２８
ＲＭＳＥ （×１０－４） ７．
１２５３　 ７．
１７３８　 ７．
０７８３　 ７．
０９８７　 ７．
００１８
ＭＡＥ （×１０－４） ３．
５９０２　 ３．
５５２１　 ３．
４４２４　 ３．
１１６５　 ２．
９３３４
５步
ＱＬＩＫＥ　 ７．
９４７２　 ７．
３９４０　 ７．
０２９１　 ６．
７２６２　 ６．
９８８３
Ｒ２　
ＬＯＧ　 ８．
３９９７　 ８．
１４９２　 ８．
１４６３　 ６．
９６８８　 ６．
８１０４
ＲＭＳＥ （×１０－４） ７．
６２１８　 ７．
４２４０　 ７．
１３５４　 ７．
３２０８　 ７．
３７８１
ＭＡＥ （×１０－４） ３．
６８８５　 ３．
５０７０　 ３．
４７８４　 ３．
４２１０　 ２．
９１１０
２０ 步
ＱＬＩＫＥ　 ８．
７７２９　 ８．
５００４　 ８．
３９２６　 ８．
０６４５　 ７．
７３８１
Ｒ２　
ＬＯＧ　 ９．
１４７１　 ８．
８０６６　 ８．
１４４１　 ７．
４２３２　 ７．
４１９９
Ｐａｎｅ
ｌ　Ｂ：Ｂｒ
ｅｎｔ原油市场
ＲＭＳＥ （×１０－４） ４．
２６５０　 ４．
２５２４　 ４．
２５４３　 ４．
１８７３　 ４．
０９９５
ＭＡＥ （×１０－４） ２．
４４１０　 ２．
２２６７　 ２．
４６６８　 ２．
０７５６　 １．
８８１３
１步
ＱＬＩＫＥ　 ７．
３４８２　 ７．
０８６２　 ６．
５５７１　 ６．
３０５７　 ６．
４０８５
Ｒ２　
ＬＯＧ　 ８．
３２７５　 ７．
９９９１　 ８．
１５９６　 ６．
８１６９　 ６．
８０１０
ＲＭＳＥ （×１０－４） ４．
７７１０　 ４．
７６９２　 ４．
７６１５　 ４．
７０４８　 ４．
３１１２
ＭＡＥ （×１０－４） ３．
２１８４　 ２．
９５７５　 ３．
０５３８　 ３．
１１９３　 ２．
７３６８
５步
ＱＬＩＫＥ　 ８．
５８５１　 ８．
１３３９　 ８．
０２９７　 ７．
８１９４　 ７．
３２５５
Ｒ２　
ＬＯＧ　 ９．
９２２０　 ７．
３１５０　 ９．
７７４１　 ８．
０７６２　 ８．
３４２１
ＲＭＳＥ （×１０－４） ４．
４３５４　 ４．
３９５２　 ４．
３３８２　 ４．
３２８９　 ４．
０８２２
ＭＡＥ （×１０－４） ２．
５６９１　 ２．
５０５７　 ２．
４５０６　 ２．
１４２０　 ２．
１２９９
２０ 步
ＱＬＩＫＥ　 ９．
１７７６　 ９．
００３８　 ８．
５６９１　 ８．
３８８４　 ７．
９９０１
Ｒ２　
ＬＯＧ　 ９．
０５０５　 ８．
６０６２　 ８．
７６９７　 ８．
０４９４　 ６．
７６３１

　　 注：表格中为损失函数值，加粗的数字表示在同一个损失函数标准下，此模型得到 的 损 失 函 数 值 最 小 ，即 此 模 型 在 ５ 个 模 型 中 具 有 相 对 较
好的预测性能。
· ６２ · 中国管理科学 　　　　　　　　　　　　　　　　　　　　２０２１ 年

仍然表现出明 显 优 于 其 它 模 型 的 预 测 能 力。 此 外， Ｓｃ
ｉ ｅ，２０１９，２７（
ｅｎｃ ２）：３１－４０．
在大多数情况下，加 入 结 构 断 点 的 ＧＡＲＣＨ 族 模 型 ［
２］Ｍｏ
ｒａｎａ　
Ｃ．Ａ　
ｓｅｍｉ
ｐａｒ
ａｍｅ
ｔｒｉ
ｃ　ａｐｐ
ｒｏａ
ｃｈｔ
　ｏ　
ｓｈｏ
ｒｔ－ｔ
ｅｒｍ　
ｏｉ
ｌ

明显优于不考虑结构 变 化 的 ＧＡＲＣＨ 族 模 型，能 刻 ｒ

ｐｉｃ
ｅ　ｆ
ｏｒｅ
ｃａｓ
ｔｉｎｇ［
Ｊ］．Ｅｎｅ
ｒｇｙ　Ｅｃ
ｏｎｏｍｉ
ｃｓ，
２００１，
２３（
３）：

画长 记 忆 性 的 ＧＡＲＣＨ 族 模 型 的 预 测 结 果 明 显 优 ３２５－３３８．
［
３］Ｃｈｅ
ｏｎｇ　
Ｃ　Ｗ．Ｍｏｄｅ
ｌｉｎｇ　
ａｎｄ
　ｆｏ
ｒｅｃ
ａｓｔ
ｉｎｇ　
ｃｒｕｄｅ　
ｏｉｌ　
ｍａｒ
ｋｅｔ
ｓ
于不考虑 长 记 忆 性 的 ＧＡＲＣＨ 族 模 型。 以 上 结 果
ｕｓ
ｉｎｇ　
ＡＲＣＨ－ｔ
ｙｐｅ　
ｍｏｄｅ
ｌｓ［
Ｊ］．
Ｅｎｅ
ｒ Ｐｏ
ｇｙ　 ｌ
ｉｃｙ，
２００９，
３７
表明，在预测周频油价波动率时，
３．２ 节 和 ３．
３节得
（
６）：
２３４６－２３５５．
到的结论是稳健的。
［
４］Ｍｏｈａｍｍａｄ
ｉ　Ｈ，
Ｓｕ　
Ｌ．Ｉ
ｎｔｅ
ｒｎａ
ｔｉｏｎａ
ｌ　ｅ
ｖｉｄｅｎｃ
ｅ　ｏｎ　
ｃｒｕｄｅ　
ｏｉｌ

４　 结语 ｒ
ｐｉｃ
ｅ　ｄｙｎａｍｉ
ｃｓ：
Ａｐｐ
ｌｉｃ
ａｔｉ
ｏｎｓ　
ｏｆ　
ＡＲＩＭＡ－ＧＡＲＣＨ　
ｍｏｄ－
ｅ
ｌｓ［
Ｊ］．
Ｅｎｅ
ｒ Ｅｃ
ｇｙ　 ｏｎｏｍｉ
ｃｓ，
２０１０，
３２（
５）：
１００１－１００８．
为了探讨能刻画国际原油价格波动率结构变化 ［
５］Ｓａ
ｌｉ Ａ　Ａ，Ｆａ
ｓｕ　 ｓａｎｙａ
　Ｉ　
Ｏ．Ｍｏｄｅ
ｌｌ
ｉｎｇ　ｏ
ｉｌ ｒ
　ｐｉｅ　ｖｏ
ｃ ｌａｔ
ｉｌ
ｉｔｙ
和长 记 忆 性 特 征 的 ＧＡＲＣＨ 族 模 型 是 否 在 油 价 波 ｗｉ
ｔ ｓ
ｈ　ｔｒ
ｕｃｔ
ｕｒａ
ｌ　ｂ
ｒｅａｋｓ［
Ｊ］．
Ｅｎｅ
ｒ Ｐｏ
ｇｙ　 ｌ
ｉｃｙ，
２０１３，
５２：
５５４
动率的建模和预测 上 更 具 优 势，本 文 将 能 识 别 结 构 －５６２．
断点的 ＩＣＳＳ 算法与能刻画长记忆性的 ＧＡＲＣＨ 族 ６］王金丽 ．考虑国 际 原 油 市 场 复 杂 特 征 的 预 测 建 模 研 究
［
模型相结合，对 ＷＴＩ和 Ｂｒ
ｅｎｔ油价波动率进行预测 Ｄ］．长沙：湖南大学，２０１９．
［

建模，并将预 测 结 果 与 ＭＭＧＡＲＣＨ 模 型 所 得 结 果 Ｗａｎｇ　

Ｊｉｎ
ｌｉ．Ｓ
ｔｕｄｙ　
ｏｎｔ
　ｈｅ
　ｆｏ
ｒｅｃ
ａｓｔ　
ｍｏｄｅ
ｌｉｎｇ　
ｏｆｉ
　ｎｔ
ｅｒｎａ－

进行比 较，结 果 发 现：首 先，ＷＴＩ和 Ｂｒ

ｅｎｔ油 价 波 动 ｔ
ｉｏｎａ
ｌ　ｃ
ｒｕｄｅ　
ｏｉｌ　
ｍａｒ
ｋｅｔ
　ｃｏｎｓ
ｉｄｅ
ｒｉｎｇ
　ｉｔ
ｓ　ｃ
ｏｍｐ
ｌｅｘ　
ｃｈａ
ｒａｃ－

率中确实存在结构变化和长记忆性特征，具备不同的 ｔ
ｅｒｉ
ｓｔｉ
ｃｓ［
Ｄ］．Ｃｈａｎｇｓｈａ：Ｈｕｎａｎ　
Ｕｎｉ
ｖｅｒ
ｓｉｙ，２０１９．
ｔ
［
７］Ｅｎｇ
ｌｅ　
Ｒ　Ｆ．
Ａｕｔ
ｏｒｅｇ
ｒｅｓ
ｓｉｖｅ
　ｃｏｎｄ
ｉｔｉ
ｏｎａ
ｌ　ｈｅ
ｔｅｒ
ｏｓｃ
ｅｄａ
ｓｔｉ
ｃｉｔ
ｙ
波动率结构。其次，考虑混合记忆的 ＭＭＧＡＲＣＨ 模
ｗｉ
ｔ ｅ
ｈ　ｓｔ
ｉｍａ
ｔｅｓ　
ｏｆｔ
　ｈｅ　
ｖａｒ
ｉａｎｃ
ｅ　ｏ
ｆ　Ｕｎ
ｉｔｅｄ　
Ｋｉｎｇｄｏｍ　
ｉｎｆ
ｌａ－
型可以较好地刻画油价波动率中存在的结构变化和
ｔ
ｉｏｎ［
Ｊ］．
Ｅｃｏｎｏｍｅ
ｔｒｉ
ｃｓ，
１９８２，
５０（
４）：
９８７－１００７．
长记忆性特征。另 外，同 时 考 虑 结 构 变 化 和 长 记 忆
［
８］Ｂｏ
ｌｌｅ
ｒｓｌ
ｅｖ　
Ｔ．Ｇｅｎｅ
ｒａｌ
ｉｚｅｄ　
ａｕｔ
ｏｒｅｇ
ｒｅｓ
ｓｉｖｅ
　ｃｏｎｄ
ｉｔｉ
ｏｎａ
ｌ　ｈｅ
ｔ－
性特 征 可 以 提 高 模 型 对 原 油 市 场 波 动 率 的 预 测
ｅ
ｒｏｓｋｅｄａ
ｓｔｉ
ｃｉｙ［
ｔ Ｊ］．Ｊ
ｏｕｒ
ｎａｌ
　ｏｆ　Ｅｃ
ｏｎｏｍｅ
ｔｒｉ
ｃｓ，
１９８６，
３１
性能。 （
３）：
３０７－３２７．
鉴于国际油价波动率具有结构变化和长记忆性 ［
９］Ｐｏ
ｌｉｔ
ｉｓ　
Ｎ　Ｄ．
Ａ　ｈｅ
ａｖｙ－ｔ
ａｉｌ
ｅｄ　
ｄｉｓ
ｔｒｉ
ｂｕｔ
ｉｏｎｆｏ
ｒ ａ
ｒｃｈ　
ｒｅｓ
ｉｄｕ－
　 　
特征，原油市场参与者在对市场波动性做出预判时， ａ
ｌｓ　
ｗｉｔ
ｈ　ａｐｐ
ｌｉｃ
ａｔｉ
ｏｎｔ
　ｏ　
ｖｏｌ
ａｔｉ
ｌｉ
ｔｙ　
ｐｒｅｄ
ｉｃｔ
ｉｏｎ［
Ｊ］．
Ａｎｎａ
ｌｓ　
ｏｆ
应该考虑油价波动 率 的 结 构 变 化 和 长 记 忆 性，构 建 Ｅｃ
ｏｎｏｍｉ
ｃｓａｎｄ　
　 Ｆｉ ｅ，
ｎａｎｃ ２００４，
５（２）：
２８３－２９８．
更加合理的模型分 析 油 价 波 动 规 律，提 高 油 价 波 动 ［
１０］Ｐａｎ　
Ｊｉｚｈｕ，Ｗａｎｇ　Ｈｕ
ａ ｉ，Ｔｏｎｇ　Ｈｏｗｅ
ｌｌ．Ｅｓ
ｔｉｍａ
ｔｉｏｎ　ａｎｄ
率预测精度，从而优化投资策略，规避投资风险。 ｔ
ｅｓｔ
ｓ　ｆ
ｏｒ　
ｐｏｗｅ
ｒ－ｔ
ｒａｎｓ
ｆｏｒｍｅｄ　
ａｎｄ
　ｔｈｒ
ｅｓｈｏ
ｌｄ　ＧＡＲＣＨ
未来还 有 若 干 可 以 继 续 拓 展 的 研 究 方 向。 例 ｍｏｄｅ
ｌｓ［
Ｊ］．
Ｊｏｕ
ｒｎａ
ｌ　ｏ
ｆ　Ｅｃ
ｏｎｏｍｅ
ｔｒｉ
ｃｓ，
２００８，
１４２（
１）：
３５２

如，本文采用基于 Ｓ
ｔ ｔ－ｔ 分布的 ＧＡＲＣＨ 族模
ｕｄｅｎ －３７８．
［
１１］Ｎｅ
ｌｓｏｎ　
Ｄ　Ｂ．
Ｃｏｎｄ
ｉｔｉ
ｏｎａ
ｌ ｈｅ
ｔｅｒ
ｏｓｋｅｄａ
ｓｔｉ
ｃｉｔ ｉ
ｎ　ａ
ｓｓｅ
ｔ ｒ
ｅ－
型预测油价波动率，未 来 可 以 采 用 其 他 分 布 模 型 处 　 ｙ　 　

理 ＧＡＲＣＨ 族模型中残差 的 厚 尾 现 象，探 索 更 好 的 ｔ

ｕｒｎｓ：
Ａ　ｎｅｗ　
ａｐｐ
ｒ ｃｈ［
ｏａ Ｊ］．
Ｅｃｏｎｏｍｅ
ｔｒｉ
ｃａ，
１９９１，
５９（
２）：
３４７－３７０．
预测效果。同 时，未 来 可 以 使 用 ＭＭＧＡＲＣＨ 模 型
［
１２］Ｈｕｎｇ　
Ｊ　Ｃ，
Ｌｅｅ　
Ｍ　Ｃ，
Ｌｉｕ　
Ｈ　Ｃ．
Ｅｓｔ
ｉｍａ
ｔｉｏｎ　
ｏｆｖａ
　 ｌ
ｕｅ－ａ
ｔ
对更多原油衍生品 的 价 格 波 动 率 进 行 预 测 分 析，在
－ｒ
ｉｓｋ
　ｆｏ
ｒ　ｅｎｅ
ｒ ｃ
ｇｙ　ｏｍｍｏｄ
ｉｔｉ
ｅｓ　
ｖｉａ
　ｆａ
ｔ－ｔ
ａｉｌ
ｅｄ　
ＧＡＲＣＨ
此基础上进一步探 索 原 油 期 权 定 价、风 险 管 理 和 资
ｍｏｄｅ
ｌｓ［
Ｊ］．Ｅｎｅ
ｒｇｙ　Ｅｃ
ｏｎｏｍｉ
ｃｓ，２００８，３０ （
３）：１１７３
产配置等问题。
－１１９１．
［
１３］Ｇｉ
ｏ Ｐ，
ｔ　 Ｌａｕ
ｒｅｎ
ｔ Ｓ．Ｍａ
ｒｋｅ
ｔ ｒ
ｉｓｋｉｎ　
ｃｏｍｍｏｄ
ｉｔ ｍａｒ
ｋｅｓ：
ｔ
参考文献： 　 　 　 ｙ　
Ａ　
ＶａＲ　
ａｐｐ
ｒ ｃｈ［
ｏａ Ｊ］．
Ｅｎｅ
ｒ Ｅｃ
ｇｙ　 ｏｎｏｍｉ
ｃｓ，
２００３，
２５（
５）：
１］刘映琳，刘永辉，鞠卓 ．国际原油 价 格 波 动 对 中 国 商 品 期
［ ４３５－４５７．
货的影响———基于 多 重 相 关 性 结 构 断 点 的 分 析 ［
Ｊ］．中 ［
１４］Ｚｈａｎｇ　Ｙｕｅ
ｊｕｎ，Ｚｈａｎｇ　Ｌｕ．Ｉ
ｎｔｅ
ｒｐｒ
ｅｔｉ
ｎｇ　ｔ
ｈｅ　ｃ
ｒｕｄｅ　ｏ
ｉｌ
国管理科学，
２０１９，
２７（
２）：
３１－４０． ｒ
ｐｉｃ
ｅ　ｍｏｖｅｍｅｎ
ｔｓ：Ｅｖ
ｉｄｅｎｃ
ｅ　ｆ
ｒｏｍ　ｔ
ｈｅ　Ｍａ
ｒｋｏｖ
　ｒｅｇ
ｉｍｅ
Ｌ
ｉｕ　
Ｙｉｎｇ
ｌｉｎ，Ｌ
ｉｕ　 ｉ，Ｊｕ　
Ｙｏｎｇｈｕ Ｚｈｕｏ．Ｔｈｅ
　ｉｍｐａ
ｃｔｏ
　ｆｉ
　ｎ－ ｓｗｉ
ｔｃｈ
ｉｎｇ　 ｌ［
ｍｏｄｅ Ｊ］．Ａｐｐ
ｌｉｅｄ　
Ｅｎｅ
ｒｇｙ，
２０１５，
１４３（
１）：
９６
ｔ
ｅｒｎａ
ｔｉｏｎａ
ｌ　ｃ
ｒｕｄｅ　ｏ
ｉｌ ｒ
　ｐｉｃ
ｅ　ｆ
ｌｕｃ
ｔｕａ
ｔｉｏｎ　ｏｎ　ｃｈ
ｉｎｅ
ｓｅ　ｃ
ｏｍ－ －１０９．
ｍｏｄ
ｉｔ　ｆ
ｙ ｕ
ｔｕｒ
ｅｓ———Ｂａ
ｓｅｄ　ｏｎ
　ｔｈｅ
　ｃｏ
ｒｒｅ
ｌａｔ
ｉｏｎ　ｓ
ｔｒｕｃ
ｔｕｒ
ｅ １５］柴建，卢全莹，周友洪，等 ．国际 原 油 价 格 拐 点 分 析 及 统
［
ｂ
ｒｅａｋｐｏ
ｉｎ ｍｏｄｅ
ｔ　 ｌ［Ｊ］．Ｃｈ
ｉｎｅ
ｓｅ　Ｊ
ｏｕｒ
ｎａｌ
　ｏｆ　Ｍａｎａｇｅｍｅｎ
ｔ 计推断［
Ｊ］．中国管理科学，
２０１７，
２５（
５）：
３３－４１．
第 ９ 期 　　　　　　　　　 张跃军等：考虑结构变化和长记忆性的国际原油价格波动率预测研究 · ６３ ·

Ｃｈａ
ｉ　Ｊ
ｉａｎ，Ｌｕ　
Ｑｕａｎｙ
ｉｎｇ，Ｚｈｏｕ　
Ｙｏｕｈｏｎｇ，ｅ
ｔ　ａ
ｌ．Ａｎａ
ｌｙ－ ［
２７］Ｄｉ
ｅｂｏ
ｌｄ　
Ｆ　Ｘ，
Ｉｎｏｕｅ　
Ａ．Ｌｏｎｇ　
ｍｅｍｏ
ｒｙ　
ｐｒｏｐｅ
ｒｔ ｏ
ｙ　ｆｓ
　ｔｏ
ｃｋ
ｓ
ｉｓａｎｄ　ｓ
　 ｔａｔ
ｉｓｔ
ｉｃａ
ｌ　ｉ
ｎｆｅ
ｒｅｎｃ
ｅ　ｏ
ｆ　ｃ
ｒｕｄｅ　ｏ
ｉｌ ｒ
　ｐｉｃ
ｅ　ｃｈａｎｇｅ ｍａ
ｒｋｅ
ｔ　ｒ
ｅｔｕ
ｒｎｓ
　ａｎｄ　
ａ　ｎｅｗ　 ｌ［
ｍｏｄｅ Ｊ］．
Ｊｏｕ
ｒｎａ
ｌ　ｏ
ｆ　Ｅｃ
ｏｎｏ－
ｐｏ
ｉｎｓ［
ｔ Ｊ］．Ｃｈ
ｉｎｅ
ｓｅ　Ｊ
ｏｕｒ
ｎａｌ
　ｏｆ　Ｍａｎａｇｅｍｅｎ
ｔ　Ｓｃ
ｉ ｅ，
ｅｎｃ ｍｅ
ｔｒｉ
ｃｓ，
２００１，
１０５（
２）：
１３１－１５９．
２０１７，２５（
５）：３３－４１． ［
２８］Ｂａ
ｉｌ
ｌｅ　Ｒ　Ｔ，Ｍｏ
ｉ ｒａｎａ　Ｃ．Ｍｏｄｅ
ｌｌ
ｉｎｇ
　ｌｏｎｇ　ｍｅｍｏ
ｒｙ　ａｎｄ
１６］龚旭，林伯强 ．跳跃 风 险、结 构 突 变 与 原 油 期 货 价 格 波
［ ｓ
ｔｒｕｃ
ｔｕｒ
ａｌｂ
　ｒｅ
ａｋｓ
　ｉｎ　
ｃｏｎｄ
ｉｔｉ
ｏｎａ
ｌ　ｖａ
ｒｉａｎｃ
ｅｓ：ａｎ　
ａｄａｐ
ｔｉｖｅ
动预测［
Ｊ］．中国管理科学，
２０１８，２６（
１１）：１１－２１． ＦＩＧＡＲＣＨ　
ａｐｐ
ｒ ｃｈ ［
ｏａ Ｊ］．
Ｊｏｕ
ｒｎａ
ｌ　ｏ
ｆ　Ｅｃ
ｏｎｏｍｉ
ｃ　Ｄｙｎａｍ－
Ｘｕ，Ｌ
Ｇｏｎｇ　 ｉｎ　
Ｂｏｑ
ｉａｎｇ．Ｊｕｍｐ　
ｒｉｓｋ，ｓ
ｔｒｕｃ
ｔｕｒ
ａｌｂ
　ｒｅ
ａｋｓ ｉ
ｃｓａｎｄ　
　 Ｃｏｎ
ｔｒｌ，
ｏ ２００９，
３３（
８）：
１５７７－１５９２．
ａｎｄ
　ｆｏ
ｒｅｃ
ａｓｔ
ｉｎｇ　
ｃｒｕｄｅ　
ｏｉｌ
　ｆｕ
ｔｕｒ
ｅｓ　
ｖｏｌ
ａｔｉ
ｌｉ
ｔｙ［
Ｊ］．Ｃｈ
ｉｎｅ
ｓｅ ［
２９］Ｇｒ
ａｎｇｅ
ｒ　Ｃ　
Ｗ　Ｊ，Ｈｙｕｎｇ　
Ｎ．Ｏｃ
ｃａｓ
ｉｏｎａ
ｌ　ｓ
ｔｒｕｃ
ｔｕｒ
ａｌｂ
　ｒｅ
ａｋｓ
Ｊ
ｏｕｒ
ｎａｌ
　ｏｆ　Ｍａｎａｇｅｍｅｎ
ｔ　Ｓｃ
ｉ ｅ．２０１８，２６（
ｅｎｃ １１）：１１ ａｎｄ
　ｌｏｎｇ　
ｍｅｍｏ
ｒｙ［
Ｊ］．
Ａｎｎａ
ｌｓ　
ｏｆ　
Ｅｃｏｎｏｍｉ
ｃｓ　
＆Ｆｉ ｅ，
ｎａｎｃ
－２１． ２０１３，
１４：
７２１－７４６．
［
１７］Ｅｗｉ
ｎｇ　
Ｂ　Ｔ，Ｍａ
ｌｉｋ　
Ｆ．Ｍｏｄｅ
ｌｌ
ｉｎｇ　
ａｓｙｍｍｅ
ｔｒｉ
ｃ　ｖｏ
ｌａｔ
ｉｌ
ｉｔｙ
　ｉｎ ［
３０］Ｇｒ
ａｎｇｅ
ｒ　Ｃ　
Ｗ　Ｊ，Ｈｙｕｎｇ　
Ｎ．Ｏｃ
ｃａｓ
ｉｏｎａ
ｌ　ｓ
ｔｒｕｃ
ｔｕｒ
ａｌｂ
　ｒｅ
ａｋｓ
ｏ
ｉｌ　
ｐｒｉ
ｃｅｓ　
ｕｎｄｅ
ｒ　ｓ
ｔｒｕｃ
ｔｕｒ
ａｌｂ
　ｒａｋｓ［
ｅ Ｊ］．
Ｅｎｅ
ｒ Ｅｃ
ｇｙ　 ｏｎｏｍ－ ａｎｄ
　ｌｏｎｇ　
ｍｅｍｏ
ｒ ｗｉ
ｙ　 ｔ
ｈ　ａｎ　
ａｐｐ
ｌｉｃ
ａｔｉ
ｏｎｔ
　ｏｔ
　ｈｅ　
Ｓ＆Ｐ　
５００
ｉ
ｃｓ，
２０１７，
６３：
２２７－２３３． ａｂｓ
ｏｌｕ
ｔｅｓ
　ｔｏ
ｃｋ　ｒ
ｅｔｕ
ｒｎｓ ［
Ｊ］．Ｊ
ｏｕｒ
ｎａｌ
　ｏｆ　Ｅｍｐ
ｉｒｉ
ｃａｌ
　Ｆｉ－
［
１８］Ｓａｎ
ｚｏ　
Ｓ　Ｄ．
Ａ　Ｍａ
ｒｋｏｖ　
ｓｗｉ
ｔｃｈ
ｉｎｇ
　ｌｏｎｇ　
ｍｅｍｏ
ｒ ｍｏｄｅ
ｙ　 ｌ　ｏ
ｆ ｅ，
ｎａｎｃ ２００４，
１１：
３９９－４２１．
ｃ
ｒｕｄｅ　
ｏｉｌ
　ｐｒ
ｉｃｅ
　ｒｅ
ｔｕｒ
ｎ　ｖｏ
ｌａｔ
ｉｌ
ｉｔｙ［
Ｊ］．
Ｅｎｅ
ｒ Ｅｃ
ｇｙ　 ｏｎｏｍｉ
ｃｓ， ［
３１］Ａｒ
ｏｕｒ
ｉ　Ｍ，Ｌａｈ
ｉ ｉ　Ａ，Ｌé
ａｎ ｖｙ　Ａ．Ｆｏ
ｒｅｃ
ａｓｔ
ｉｎｇ
　ｔｈｅ
　ｃｏｎｄ
ｉ－
２０１８，
７４：
３５１－３５９． ｔ
ｉｏｎａ
ｌ　ｖｏ
ｌａｔ
ｉｌ
ｉｔｙ　ｏ
ｆ　ｏ
ｉｌ　ｓｐｏ
ｔ　ａｎｄ
　ｆｕ
ｔｕｒ
ｅ ｒ
ｓ　ｐｉｃ
ｅｓ　ｗｉ
ｔｈ
［
１９］Ｚｈａｎｇ　
Ｙｕｅ
ｊｕｎ，Ｙａｏ　
Ｔｉｎｇ，Ｈｅ　
Ｌｉｎｇｙｕｎ，
ｅｔａ
　ｌ．Ｖｏ
ｌａｔ
ｉｌ
ｉｔｙ ｓ
ｔｒｕｃ
ｔｕｒ
ａｌｂ
　ｒｅ
ａｋｓ
　ａｎｄ
　ｌｏｎｇ　
ｍｅｍｏ
ｒ ｍｏｄｅ
ｙ　 ｌｓ［
Ｊ］．
Ｅｎｅ
ｒｇｙ
ｆ
ｏｒｅ
ｃａｓ
ｔｉｎｇ　
ｏｆｃ
　ｒｕｄｅ　
ｏｉｌ　
ｍａｒ
ｋｅｔ：
Ｃａｎ
　ｔｈｅ
　ｒｅｇ
ｉｍｅ
　ｓｗｉ
ｔｃ－ Ｅｃ
ｏｎｏｍｉ
ｃｓ，
２０１２，
３４（
１）：
２８３－２９３．．
ｈ
ｉｎｇ　
ＧＡＲＣＨ　
ｍｏｄｅ
ｌ　ｂｅ
ａｔｔ
　ｈｅ
　ｓｉ
ｎｇｌ
ｅ－ｒ
ｅｇｉｍｅ　
ＧＡＲＣＨ ［
３２］Ｓａｎ
ｚｏ　
Ｓ　Ｄ．
Ａ　Ｍａ
ｒｋｏｖ　
ｓｗｉ
ｔｃｈ
ｉｎｇ
　ｌｏｎｇ　
ｍｅｍｏ
ｒ ｍｏｄｅ
ｙ　 ｌ　ｏ
ｆ
ｍｏｄｅ
ｌｓ？［
Ｊ］．Ｉ
ｎｔｅ
ｒｎａ
ｔｉｏｎａ
ｌ　Ｒｅ
ｖｉｅｗ　
ｏｆ　Ｅｃ
ｏｎｏｍｉ
ｃｓａｎｄ
　 ｃ
ｒ ｏ
ｕｄｅ　ｉｌ
　ｐｒ
ｉｃｅ
　ｒｅ
ｔｕｒ
ｎ　ｖｏ
ｌａｔ
ｉｌ
ｉｔｙ［
Ｊ］．Ｅｎｅ
ｒ Ｅｃ
ｇｙ　 ｏｎｏｍ－
Ｆ
ｉ ｅ，
ｎａｎｃ ２０１９，
５９：
３０２－３１７． ｉ
ｃｓ，
２０１８，
７４：
３５１－３５９．
［
２０］Ｃｏｎ
ｔ　Ｒ．Ｅｍｐ
ｉｒｉ
ｃａｌ
　ｐｒ
ｏｐｅ
ｒｔｉ
ｅｓ　
ｏｆａ
　ｓｓ
ｅｔｒ
　ｅｔ
ｕｒｎｓ：
ｓｔｌ
ｙｉｚ
ｅｄ ［
３３］Ｋｌ
ｅｉ Ｔ，Ｗａ
ｎ　 ｌｔｈｅ
ｒ　Ｔ．Ｏｉ
ｌ ｒ
　ｐｉｃ
ｅ　ｖｏ
ｌａｔ
ｉｌ
ｉｔ　ｆ
ｙ ｏ
ｒｅｃ
ａｓｔ　ｗｉ
ｔｈ
ｆ
ａｃｔ
ｓ　ａｎｄ　ｓ
ｔａｔ
ｉｓｔ
ｉｃａ
ｌ　ｉ
ｓ ｓ［
ｓｕｅ Ｊ］．Ｑｕａｎ
ｔｉｔ
ａｔｉ
ｖｅ　Ｆ
ｉ ｅ，
ｎａｎｃ ｍｉ
ｘｔｕ
ｒｅ　ｍｅｍｏ
ｒｙ　ＧＡＲＣＨ ［
Ｊ］．Ｅｎｅ
ｒｇｙ　Ｅｃ
ｏｎｏｍｉ
ｃｓ，
２００１，
１（２）：
２２３－２３６． ２０１６，
４１：
４６－５８．
２１］黄海南，钟伟 ．
［ ＧＡＲＣＨ 类模 型 波 动 率 预 测 评 价 ［
Ｊ］．中 ［
３４］Ｌ
ｉ　 ｉ，
Ｍｕｙ Ｌ
ｉ　Ｗａ
ｉｋｅｕｎｇ，
Ｌｉ　
Ｇｕｏｄｏｎｇ．
Ｏｎ　
ｍｉｘ
ｔｕｒ
ｅ　ｍｅｍｏ－
国管理科学，
２００７，
１５（
６）：
１３－１９． ｒ
ｙ　ＧＡＲＣＨ　
ｍｏｄｅ
ｌｓ［
Ｊ］．
Ｊｏｕ
ｒｎａ
ｌ　ｏ
ｆ　Ｔｉｍｅ　
Ｓｅｒ
ｉｅｓ　
Ａｎａ
ｌｙ－
Ｈｕａｎｇ　Ｈａ
ｉｎａｎ，Ｚｈｏｎｇ　Ｗｅ
ｉ．Ｅｖａ
ｌｕａ
ｔｉｏｎ　ｏｎ　ｖｏ
ｌａｔ
ｉｌ
ｉｔｙ ｓ
ｉｓ，
２０１３，
３４（
６）：
６０６－６２４．
ｆ
ｏｒｅ
ｃａｓ
ｔｉｎｇ　
ｐｅｒ
ｆｏｒｍａｎｃ
ｅ　ｏ
ｆ　ＧＡＲＣＨ－ｔ
ｙｐｅ　
ｍｏｄｅ
ｌｓ［
Ｊ］． ［
３５］Ｆａ
ｔｔｏｕｈ　
Ｂ．Ｔｈｅ　
ｄｙｎａｍｉ
ｃｓ　
ｏｆｃ
　ｒｕｄｅ　
ｏｉｌ
　ｐｒ
ｉｃｅ　
ｄｉｆ
ｆｅｒ
ｅｎｔ
ｉａｌ
ｓ
Ｃｈ
ｉｎｅ
ｓｅＪ
　ｏｕ
ｒｎａ
ｌ　ｏ
ｆ　Ｍａｎａｇｅｍｅｎ
ｔ　Ｓｃ
ｉ ｅ．２００７，１５（
ｅｎｃ ６）： ［
Ｊ］．
Ｅｎｅ
ｒ Ｅｃ
ｇｙ　 ｏｎｏｍｉ
ｃｓ，
２０１０，
３２（
２）：
３３４－３４２．
１３－１９． ［
３６］Ｉ
ｎｃｌ Ｃ，
ａｎ　 Ｔｉ
ａｏ　
Ｇ　Ｃ．
Ｕｓｅ　
ｏｆｃｕｍｕ
　 ｌａｔ
ｉｖｅ
　ｓｕｍｓ　
ｏｆｓ
　ｑｕａ
ｒｅｓ
［
２２］Ｂａ
ｉｌ
ｌｉ
ｅ　Ｒ　
Ｔ．Ｌｏｎｇ　
ｍｅｍｏ
ｒｙ　
ｐｒｏ
ｃｅｓ
ｓｅｓ
　ａｎｄ
　ｆｒ
ａｃｔ
ｉｏｎａ
ｌ　ｉ
ｎｔｅ－ ｆ
ｏｒｒ
　ｅｔ
ｒｏｓｐｅ
ｃｔｉ
ｖｅ　
ｄｅｔ
ｅｃｔ
ｉｏｎ　
ｏｆｃｈａｎｇｅ
　 ｓ　ｉ
ｎ　ｖａ
ｒｉ ｅ［
ａｎｃ Ｊ］．
ｒ
ｇａｔ
ｉｏｎ
　ｉｎ　ｅ
ｃｏｎｏｍｅ
ｔｒｉ
ｃｓ［
Ｊ］．
Ｊｏｕ
ｒｎａ
ｌ　ｏ
ｆ　Ｅｃ
ｏｎｏｍｅ
ｔｒｉ
ｃｓ， Ｐｕｂ
ｌｉｃ
ａｔｏｎｓ　ｏ
ｉ ｆ　ｔ
ｈｅ　Ａｍｅ
ｒｉｃ
ａｎ　Ｓ
ｔａｔ
ｉｓｔ
ｉｃａ
ｌ　Ａｓ
ｓｏｃ
ｉａｔ
ｉｏｎ，
１９９６，
７３（
１）：
５－５９． １９９４，
８９：
９１３－９２３．
［
２３］Ｔｓ
ｅ　Ｙ　
Ｋ．Ｔｈｅ
　ｃｏｎｄ
ｉｔｉ
ｏｎａ
ｌ　ｈｅ
ｔｅｒ
ｏｓｃ
ｅｄａ
ｓｔｉ
ｃｉｔ
ｙ　ｏ
ｆ　ｔ
ｈｅ　
ｙｅｎ ［
３７］Ｓａｎｓ
ｏ　Ａ，
Ａｒｒ Ｖ，
ａｇｏ　 Ｃａ
ｒｒｉ
ｏｎ　
Ｊ　Ｌ．
Ｔｅｓ
ｔｉｎｇ
　ｆｏ
ｒ　ｃｈａｎｇｅ
　ｉｎ
－ｄｏ
ｌｌａ
ｒ　ｅｘｃｈａｎｇｅ
　ｒａ
ｔｅ［
Ｊ］．
Ｊｏｕ
ｒｎａ
ｌ　ｏ
ｆ　Ａｐｐ
ｌｉｅｄ　
Ｅｃｏｎｏ－ ｔ
ｈｅ　
ｕｎｃ
ｏｎｄ
ｉｔｉ
ｏｎａ
ｌ　ｖａ
ｒｉａｎｃ
ｅ　ｏ
ｆ　ｆ
ｉｎａｎｃ
ｉａｌ
　ｔｉｍｅ
　ｓｅ
ｒｉｓ［
ｅ Ｊ］．
ｍｅ
ｔｒｉ
ｃｓ，
１９９８，
１３（
１）：
４９－５５． Ｓｐａｎ
ｉｓｈ　Ｒｅ
ｖｉｅｗ　ｏ
ｆ　Ｆ
ｉｎａｎｃ
ｉａｌ　Ｅｃ
ｏｎｏｍｉ
ｃｓ，２００４，４：３２
［
２４］Ｈｕａｎｇ　Ｚｈｕｏ，Ｌ
ｉｕ　Ｈａｏ，Ｗａｎｇ　Ｔｉ
ａｎｙ
ｉ．Ｍｏｄｅ
ｌｉｎｇ
　ｌｏｎｇ －５３．
ｍｅｍｏ
ｒ ｖｏ
ｙ　 ｌ
ａｔｉ
ｌｉ
ｔ ｕｓ
ｙ　 ｉ
ｎｇｒ
　ｅａ
ｌｉｚ
ｅｄ　
ｍｅａ
ｓｕｒ
ｅｓ　
ｏｆｖｏ
　 ｌ
ａｔｉ
ｌｉ
ｔｙ： ［
３８］Ｂｏ
ｌｌｅ
ｒｓｌ
ｅｖ　Ｔ，Ｍｉ
ｋｋｅ
ｌｓｅｎ　Ｈ　Ｏ．Ｍｏｄｅ
ｌｉ ｒ
ｎｇ　ａｎｄ　ｐｉｃ
ｉｎｇ
Ａ　
ｒｅａ
ｌｉｚ
ｅｄ　
ＨＡＲ　
ＧＡＲＣＨ　 ｌ［
ｍｏｄｅ Ｊ］．
Ｅｃｏｎｏｍｉ
ｃ　Ｍｏｄｅ
ｌ－ ｌ
ｏｎｇ　
ｍｅｍｏ
ｒｙｉ
　ｎ　
ｓｔｏ
ｃｋ　
ｍａｒ
ｋｅｔ
　ｖｏ
ｌａｔ
ｉｌ
ｉｔｙ［
Ｊ］．
Ｊｏｕ
ｒｎａ
ｌ　ｏ
ｆ
ｌ
ｉｎｇ，
２０１６，
５２：
８１２－８２１． Ｅｃ
ｏｎｏｍｅ
ｔｒｉ
ｃｓ，
１９９６，
７３（
１）：
１５１－１８４．
［
２５］Ｋａｎｇ　
Ｓ　Ｈ，
Ｋａｎｇ　
Ｓ　Ｍ，
Ｙｏｏｎ　
Ｓ　Ｍ．
Ｆｏｒ
ｅｃａ
ｓｔｉ
ｎｇ　
ｖｏｌ
ａｔｉ
ｌｉ
ｔｙ ［
３９］Ｈａｎｓ Ｐ，
ｅｎ　 Ｌｕｎｄｅ　
Ａ．Ａ　
ｆｏｒ
ｅｃａ
ｓｔｃ
　ｏｍｐａ
ｒｉｓ
ｏｎ　
ｏｆｖｏ
　 ｌ
ａｔｉ
ｌｉ
ｔｙ
ｏ
ｆ　ｃ
ｒｕｄｅ　
ｏｉｌ　ｍａ
ｒｋｅ
ｔｓ［
Ｊ］．Ｅｎｅ
ｒｇｙ　Ｅｃ
ｏｎｏｍｉ
ｃｓ，
２００９，
３１ ｍｏｄｅ
ｌｓ：
ｄｏｅ
ｓ　ａｎｙ
ｔｈｉ
ｎｇ　ｂｅ
ａｔ １，１）？ ［
　ａ　ＧＡＲＣＨ （ Ｊ］．
（
１）：
１１９－１２５． Ｊ
ｏｕｒ
ｎａｌ
　ｏｆ　Ａｐｐ
ｌｉｅｄ　Ｅｃ
ｏｎｏｍｅ
ｔｒｉ
ｃｓ，２００５，２０ （
７）：８７３
［
２６］Ｚｈａｏ　
Ｌｕａｏ，
ｔ Ｌｉ Ｋｕｎ，
ｕ　 Ｄｕａｎ　
Ｘｉｎ
ｌｅｉ，
ｅｔａ
　ｌ．Ｏｉ
ｌ　ｒ
ｐｉｃ
ｅ　ｒ
ｉｓｋ －８８９．
ｅ
ｖａｌ
ｕａｔ
ｉ ｕｓ
ｏｎ　 ｉ
ｎｇ　
ａ　ｎｏｖｅ
ｌ　ｈｙｂ
ｒｉｄ　
ｍｏｄｅ
ｌ　ｂａ
ｓｅｄ　
ｏｎｔ
　ｉｍｅ－ ［
４０］Ｈｉ
ｌｌ
ｅｂｒ
ａｎｄ　 Ｅ． Ｎｅｇ
ｌｅｃ
ｔｉｎｇ　 ｐａ
ｒａｍｅ
ｔｅｒ
　 ｃｈａｎｇｅ
ｓ　ｉ
ｎ
ｖａ
ｒｙｉ
ｎｇｌ
　ｏｎｇ　
ｍｅｍｏ
ｒｙ［
Ｊ］．
Ｅｎｅ
ｒ Ｅｃ
ｇｙ　 ｏｎｏｍｉ
ｃｓ，
２０１９，
８１： ＧＡＲＣＨ　
ｍｏｄｅ
ｌｓ［
Ｊ］．
Ｊｏｕ
ｒｎａ
ｌ　ｏ
ｆ　Ｅｃ
ｏｎｏｍｅ
ｔｒｉ
ｃｓ，
２００５，
１２９
７０－７８． （
１）：
１２１－１３８．
 · ６４ · 中国管理科学 　　　　　　　　　　　　　　　　　　　　２０２１ 年

Ｖｏ
ｌａｔ
ｉｌ
ｉｔ Ｆｏ
ｙ　 ｒ
ｅｃａ
ｓｔｉ
ｎｇ　
ｏｆ　
Ｃｒｕｄｅ　
Ｏｉｌ　
Ｍａｒｋｅ
ｔ　Ｂａ
ｓｅｄ　
ｏｎ　
Ｓｔｒ
ｕｃｔ
ｕｒａ
ｌ　Ｃｈａｎｇ
ｅｓａｎｄ　
　 Ｌｏｎｇ　
Ｍｅｍｏ
ｒｙ

， ， ，
ＺＨＡＮＧ　
Ｙｕ ｕｎ１ ２ ，ＺＨＡＮＧ　
ｅ－ｊ Ｈａｎ１ ２ ，ＷＡＮＧ　
Ｊｉｎ－ｌ
ｉ１２
　
（
１．Ｂｕｓ
ｉｎｅ
ｓｓ　 ｌ，
Ｓｃｈｏｏ Ｈｕｎａｎ　
Ｕｎｉ
ｖｅｒ
ｓｉｙ，Ｃｈａｎｇｓｈａ
ｔ 　４１００８２，Ｃｈ
ｉｎａ；
２．Ｃｅｎ
ｔｅｒ
　ｆｏ
ｒ　Ｒｅ
ｓｏｕ
ｒｃｅ
　ａｎｄ　
Ｅｎｖ
ｉｒｏｎｍｅｎ
ｔａｌ　 ｔ，
Ｍａｎａｇｅｍｅｎ Ｈｕｎａｎ　
Ｕｎｉ
ｖｅｒ
ｓｉｙ，Ｃｈａｎｇｓｈａ
ｔ 　４１００８２，
Ｃｈｎａ）
ｉ

Ａｂｓｔ
ｒａｔ：Ｔｈｅ
ｃ 　ｓ
ｔｒｕｃ
ｔｕｒａ
ｌ　ｃｈａｎｇｅ
ｓ　ｗｈｉ
ｃｈ　ｍａｙｒ
　ｅｓｕｌｔ
　ｉｎ　
ｓｐｕｒｉ
ｏｕｓ　ｌ
ｏｎｇ　ｍｅｍｏｒ
ｙ　ａｌｗａｙｓ　
ｏｃｃｕｒ
　ｉｎ　
ｃｒｕｄｅ　
ｏｉｌ　
ｍａｒ－
ｋｅ ，
ｔ ａｎｄ　ｔ
ｈｅｎ
　ｔｈｅｙ　
ｕｓｕａ
ｌｌｙ　ｌ
ｅａｄｔ
　ｏｔ
　ｈｅ　ｂ
ｉａｓ
ｅｄ　ｅｓｔ
ｉｍａｔｉｏｎ　
ｏｆ　ｐａ
ｒａｍｅｔｅ
ｒ ｓ．Ａｓａ
　　ｒｅｓｕ
ｌ ，
ｔｔ ｈｅｆ
　ｅａｔｕｒ
ｅｓ　ｏ
ｆ　ｓｔ
ｒｕｃ－
ｔ
ｕｒ ａｌ
　ｃｈａｎｇｅｓａｎｄ
　 　ｌ
ｏｎｇ　ｍｅｍｏ
ｒｙ　ｈａｖｅ　ｂｅ
ｃｏｍｅ　ｔｈｅ　ｋｅｙ
　ｔｏ　ｔｈｅ　ｒａ
ｔｉｏｎａｌ　ｍｏｄｅ
ｌｉｎｇ　ａｎｄ　ａｃ
ｃｕｒａｔ
ｅ　ｆ
ｏｒｅｃ
ａｓｔｉｎｇ　
ｏｆ
ｃｒｕｄｅ　ｏ
ｉｌｐｒ
　 ｉ
ｃｅ　ｖｏ
ｌａｔｉ
ｌｉ
ｔｙ．Ｈｏｗｅｖｅｒ，ｔｈｅｅｘ
　 ｉ
ｓｔｉ
ｎｇ　 ｍｏｄｅｌ
ｓ　ｏ
ｆｔ ｅｎ　
ｏｎｌｙ　ｃｏｎｓ
ｉｄｅｒ
　ａ　ｃ
ｅｒｔａｉｎ
　ｆａｃ
ｔｏｒ，ｏｒｏｎ
　 ｌ
ｙ　ｃｏｎｓｉ
ｄ－
ｅ
ｒ　ｔｈｅ
　ｌｏｎｇ　ｍｅｍｏｒ
ｙ　ｏ
ｒ　ｓｈｏｒｔ　ｍｅｍｏｒ
ｙ　ｉ
ｎ　ｔｈｅ　
ｖｏｌａ
ｔｉｌ
ｉｔｙ，ｗｈ ｉ
ｃｈ　ｍａｙ
　ｌｅ
ａｄｔ
　ｏｔ
　ｈｅｉ
　ｎａｃｃｕｒ
ａｔｅｆ
　ｏｒ
ｅｃａｓ
ｔｉｎｇ　
ｏｆｃ
　ｒｕｄｅ
ｏ
ｉｌｐｒ
　 ｉｃ
ｅ　ｖｏｌ
ａｔｉ
ｌｉ
ｔｙ．Ｉｎ
　ｔｈｉｓ
　ｓｉｔ
ｕａｔｏｎ，ｔ
ｉ ｈｉｓ　
ｐａｐｅｒ
　ａｉｍｓ　ｔ
ｏ　ｉ
ｎｖｅｓｔ
ｉｇａｔ
ｅ　ｗｈｅ
ｔｈｅｒｔ
　ｈｅ　
ｖｏｌａｔ
ｉｌ
ｉｔｙ
　ｆｏｒ
ｅｃａ
ｓｔｉｎｇ　
ｍｏｄｅｌｓ
ｃｏｎｓｉ
ｄｅ ｒ
ｉｎｇ　
ｓｔｒｕｃｔｕｒ
ａｌｃｈａｎｇｅ
　 ａｎｄ
　 　ｌｏｎｇ　
ｍｅｍｏｒ ｈａｖｅ　
ｙ　 ｂｅ
ｔｔｅ
ｒ　ｆ
ｏｒｅ
ｃａｓ
ｔｉｎｇ　
ｐｅｒ
ｆｏｒｍａｎｃｅ　ｏｎ　ｃ
ｒｕｄｅ　
ｏｉｌ
　ｐｒ
ｉｃ ｖｏ
ｅ　 ｌ
ａ－
ｔｉ
ｌｉ
ｔｙ　ｔｈａｎｔ
　ｒａｄｉ
ｔｉｏｎａ
ｌ　ｍｏｄｅｓ，ａｎｄ　
ｌ ｗｈｅｔ
ｈｅｒ
　ｔｈｅ　
ｍｉｘｅｄ　ｍｅｍｏｒ ＧＡＲＣＨ　
ｙ　 ｍｏｄｅｌ
　ｃｏｎｓｉ
ｄｅ ｒ
ｉｎｇ　
ｄｉｆ
ｆｅｒｅｎ
ｔ　ｍｅｍｏ－
ｒ
ｙ　ａｎｄ　ｖｏ
ｌａｔ
ｉｌ
ｉｔｙｌ
　ｅｖｅｌ
　ａｐｐｅａｒｓｅ
　ｆｆ
ｅｃｔ
ｉｖｅ
　ｉｎ　ｄｅｐ
ｉｃｔ
ｉｎｇｔ
　ｈｅｃｈａ
　 ｒ
ａｃｔ
ｅｒｉ
ｓｔｉ
ｃｓｏ
　ｆｓ
　ｔｒｕｃｔ
ｕｒａｌｃｈａｎｇｅ
　 ｓ
　ａｎｄｌ
　ｏｎｇ　
ｍｅｍｏ－
ｒ
ｙ　ｉｎ　
ｃｒｕｄｅ　
ｏｉｌ
　ｐｒｉｃ
ｅ　ｖｏｌａ
ｔｉｌ
ｉｔｙ．Ｔｈｅｒｅｆｏｒｅ，ｂｏｔｈ　ｏ
ｆ　ｔｈｅ
　ｃｈａ
ｒａｃ
ｔｅｒ
ｉｓｔ
ｉｃｓ
　ａｒｅ　ｆ
ｏｃｕｓｅｄ　ｏｎ，ａｎｄ　ｔ
ｈｅ　ＧＡＲＣＨ－
ｔ
ｙｐｅ　
ｍｏｄｅ
ｌｓｉ
　ｎｃｏ
ｒｐｏ
ｒａｔ
ｉｎｇ　
ｓｔｒｕｃ
ｔｕｒ
ａｌｂｒ
　 ｅ
ａｋ　
ｐｏｉ
ｎｔｓ
　ａｎｄ
　ｔｈｅ　
ＭＭＧＡＲＣＨ　
ｍｏｄｅ
ｌ　ａ
ｒｅ　
ｕｓｅｄ
　ｔｏ　
ｅｓｔ
ｉｍａ
ｔｅａｎｄ
　
ｆ
ｏｒｅ
ｃａｓ
ｔ　ｃｒｕｄｅ　
ｏｉｌ
　ｐｒｉ
ｃｅ　
ｖｏｌ
ａｔｉ
ｌｉｔ
ｙ．Ｔｈｅ ｅｍｐ
　 ｉｒｉ
ｃａｌｒ
　ｅｓｕｌ
ｔｓ　ｐｒ
ｏｖｅ　ｔｈｅｅｘ
　 ｉｓ
ｔｅｎｃｅ　
ｏｆ　ｓｔ
ｒｕｃｔ
ｕｒａｌ
　ｃｈａｎｇｅａｎｄ
　 　ｌ
ｏｎｇ
ｍｅｍｏｒ
ｙ　ｃｈａｒａｃ
ｔｅｒｉ
ｓｔｉ
ｃｓｉ
　ｎ　
ｃｒｕｄｅ　ｏ
ｉｌ　
ｍａｒｋｅ
ｔ　ｖｏｌａ
ｔｉｌ
ｉｔ ，
ｙ ａｎｄ　ｉｎｄ
ｉｃａｔ
ｅ　ｔｈａ
ｔ　ｔｈｅ　ｍｏｄｅｌ
ｓ　ｗｈｉ
ｃｈ　ｉｎｃｏ
ｒｐｏｒａ
ｔｅ　ｔｈｅ
ｔｗｏｃｈａ
　 ｒａ
ｃｔｅｒ
ｉｓｔ
ｉｃｓ　ｕｓｕａ
ｌｌｙ　
ｙｉｅ
ｌｄ　
ｓｕｐｅ
ｒｉｏ
ｒ　ｆ
ｉｔｔ
ｉｎｇ　ａｎｄ
　ｆｏｒｅ
ｃａｓ
ｔｉｎｇ　
ｐｅｒｆ
ｏｒｍａｎｃｅｔ
　ｏ　ｓｔ
ａｎｄａｒｄ　ＧＡＲＣＨ－ｔ ｙｐｅ
ｍｏｄｅｌｓ．Ｉ
ｎ　ｐａｒｔ
ｉｃｕｌ
ａ ，
ｒｔ ｈｅ　
ＭＭＧＡＲＣＨ　 ｍｏｄｅｌｏｕ
　 ｔｐｅｒ
ｆｏｒｍｓｏ
　ｔｈｅｒ
　ｃｏｍｐｅ
ｔｉｔ
ｉｖｅ　ｍｏｄｅｌ
ｓ　ｏｎｆ
　ｏｒｅ
ｃａｓ
ｔｉｎｇ　
ｃｒｕｄｅ
ｏｉ
ｌ　ｐｒ
ｉｃ ｖｏ
ｅ　 ｌａ
ｔｉｌ
ｉｔｙ，ｗｈｉｃｈ
　ｉｎｄ
ｉｃａｔ
ｅｓ　ｔｈａ
ｔ　ｔｈｅ　ＭＭＧＡＲＣＨ　 ｍｏｄｅｌ
　ｃａｎ　
ｄｙｎａｍｉ
ｃａｌ
ｌ ｄｅｐ
ｙ　 ｉ
ｃｔｔ
　 ｈｅ　ｖｏ
ｌａｔ
ｉｌｉ
ｔｙｌ
　ｅｖｅｌ
ａｎｄ　ｍｅｍｏｒｙ　ｏｆ
　ｔｈｅ　
ｐｒｏｃｅｓ ，
ｓ ａｎｄ　ｔ
ｈｅｎ　ｃａｐｔｕｒｅ
　ｔｈｅ
　ｓｔ
ｒｕｃ
ｔｕｒａｌｃｈａｎｇｅ
　 ｓａｎｄ
　 ｌ
　ｏｎｇ　ｍｅｍｏｒｙ　ｓｉｍｕｌｔ
ａｎｅｏｕｓｌ
ｙ．
Ｔｈｅ
ｒｅｆ
ｏｒｅ，ｔ
ｈｅ　
ＭＭＧＡＲＣＨ　
ｍｏｄｅ
ｌ　ｃ
ａｎ　
ｂｅｃｏｎｓ
　 ｉｄｅ
ｒｅｄ　
ａ　ｈｅ
ｌｐｆ
ｕｌａ
　ｌｔ
ｅｒｎａ
ｔｉｖｅ
　ｔｏ　
ｍａｋｅ
　ａｃ
ｃｕｒ
ａｔｅ
　ｃｒｕｄｅ　
ｏｉｌ
　ｐｒ
ｉｃｅ
ｖｏ
ｌａｔ
ｉｌ
ｉｔｙ
　ｆｏｒ
ｅｃａｓｔｉ
ｎｇ．
Ｋｅ ｗｏ
ｙ　 ｒｄｓ：ｃｒｕｄｅ　ｏ
ｉｌ　
ｍａ ｔ；ｖｏ
ｒｋｅ ｌａｔ
ｉｌ
ｉｔｙ
　ｆｏ
ｒｅｃ
ａｓｔ
ｉｎｇ；ｓ
ｔｒｕｃ
ｔｕｒ
ａｌ ｓ；ｌ
ｃｈａｎｇｅ
　 ｏｎｇ　
ｍｅｍｏ
ｒｙ