Download as pdf or txt
Download as pdf or txt
You are on page 1of 11

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

[]

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

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


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

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)|


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
[ ]

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:

t m

^ 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

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

igma系数,模型假定 ω1 > 0,
α1 ,
β1 > 0,
α1 +β1 < ω2 ∞


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。


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)


6)
4)MMGARCH 模型

槡Nt=1

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

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

QLIKE = (
l ^
n( ^
ht)-ht/
ht)


8)
1)模型结合,因 此 能 反 映 油 价 波 动 率 中 的 结 构 变
d, Nt∑
=1

化和长记忆性。 MMGARCH 模型形式如下: 1 ^
R2 LOG = (
ln(
ht/
ht))


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]

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


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 

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




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. 1)考虑了结构 变 化 的 GARCH 族 模 型 比 未 考

为了 比 较 MMGARCH 模 型 与 其 它 GARCH 虑结 构 变 化 的 GARCH 族 模 型 具 有 更 好 的 预 测 能
族模型的样本外预 测 能 力,本 文 计 算 了 四 种 不 同 损 力。这一 点 在 标 准 GARCH 模 型 和 FIGARCH 模
失函数下各模型向前 h 步(
h=1、
5、20)预测的 损 失 型上均表现明显。例如,在预测 WTI油价波动率且
函数值,从而评价各模型对油价波动率的预测能力。 预测步长为 1 天时,加 入 结 构 断 点 后 的 模 型 所 得 的
本文将最后五年作 为 样 本 外 预 测 区 间,采 用 滚 动 预 四种损失函数值均低于未加入结构断点的 GARCH
测的方法,即首先根 据 估 计 出 的 模 型 参 数 预 测 未 来 模型的结 果。 在 其 它 预 测 步 长 下,采 用 ICSS 算 法
h 天的波动率,然后窗口向前滚动 1 天确定新的 拟 和 GARCH 模型的组合模 型 预 测 油 价 波 动 率 时,得
合区间,重新估计各模 型 的 参 数 后 再 向 前 h 步 进 行 到的 损 失 函 数 值 亦 普 遍 小 于 标 准 GARCH 模 型 得
预测。依此类推,得 到 各 模 型 在 预 测 区 间 内 的 油 价 到的损失函数值。FIGARCH 模型在各个步长下的
波动率预测值,然 后 计 算 其 损 失 函 数。 采 用 较 长 的 情况也与 GARCH 模型的 情 况 相 似,以 上 结 果 均 表
样本内数据是为了避免极大似然估计过程中出现最 明考 虑 结 构 变 化 可 以 提 高 GARCH 模 型 对 油 价 波
优化不收敛的情况。预测结果见表 5,可以看出: 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 下 表 现 最 优。 在 预 测 Br
ent 油 价 波 动 率 时,
无加入结构断点 时 均 表 现 明 显。 如 表 5 所 示,在 预 MMGARCH 模型同样在大多数损失 函 数 标 准 下 表
测 WTI油 价 波动率且预测步长为 5 天时,采用 FI- 现出了 较 明 显 的 优 势。 此 外,从 ICSS 算 法 和 FI-
GARCH 模 型 得 到 的 损 失 函 数 值 基 本 上 低 于 GARCH 的组合模型与其他模型预测结果的比较 中
GARCH 模 型 的 结 果;在 其 它 预 测 步 长 下,FI- 可 以 发 现,该 组 合 模 型 的 预 测 性 能 仅 次 于
GARCH 模型的预测效果也普遍优于标准 GARCH MMGARCH 模型,而 Ar i等 31 的研究结果也表
[ ]
our
模型。 在 预 测 Br
ent 油 价 波 动 率 时,情 况 也 基 本 相 明,加入结构断点的 FIGARCH 模型相较于大多 数
似。这 些 结 果 都 表 明,
FIGARCH 模 型 由 于 能 刻 画 模型具有 较 优 的 性 能,所以 可 以 证 明 同 时 考 虑 波 动
油价波动率的长记 忆 性,所 以 在 预 测 油 价 波 动 率 方 率结构变化和长记忆性特征的模型预测效果相对较
面比标准 GARCH 模型更具优势。 好,且 进 一 步 发 现 了 考 虑 结 构 特 征 和 不 同 记 忆 性 的
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。 4  稳健性检验
3.
例如,在预测 WTI 油 价 波 动 率 且 预 测 步 长 为 1 天 为了探究原油价格序列的取样频率不同是否会
时,在四个损失函数标 准 下,MMGARCH 模 型 的 预 影响本文的核 心 结 果,本 节 使 用 上 述 5 个 GARCH
测效果均明显优于其 它 四 种 GARCH 族 模 型;当 预 族模型预测相 同 区 间 内 的 周 频 WTI 和 Br ent油 价
测步长 为 5 天 时,MMGARCH 模 型 在 三 个 损 失 函 波动率,结果 见 表 6。 通 过 比 较 4 种 损 失 函 数 的 结
数标 准 下 表 现 最 优;当 预 测 步 长 为 20 天 时, 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

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

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-

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.


7]Eng
le 
R F.
Aut
oreg
res
sive
 cond
iti
ona
l he
ter
osc
eda
sti
cit

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

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

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

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:

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

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

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


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

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

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

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

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.

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

ore
cas
ting 
ofc
 rude 
oil 
mar
ket:
Can
 the
 reg
ime
 swi
tc- Ec
onomi
cs,
2012,
34(
1):
283-293..

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

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-

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

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.

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

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].

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


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

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.

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

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)

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-

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-

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

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-

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-

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-

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
 

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

You might also like