Traditional GARCH models are estima

Traditional GARCH models are estimated under the conditionalnormality assumption to measure the correlation of time series data.However, this assumption is rejected by the existing literature (Longi and Solnik, 2001; Hong et al., 2004; Patton, 2006b; Peng and Ng, 2012,etc.). By contrast, the use of Copula function allows us to consider themarginal distributions and the dependence structure both separatelyand simultaneously, thus the non-normality of the joint distributionand the dependency structure can be modeled more appropriately.For modeling the marginal distribution, it is generally assumed thatfinancial asset volatility is time-varying and clustered, and TGARCHmodel can well describe these volatility characteristics offinancialassets. Therefore, we apply the AR(p)–TGARCH(p,q) as the marginalmodels of asset returns to construct the Copula models. Accordingto Nelson (1991), we suppose that the standard residual complieswith the skewed-t distribution or generalized error distribution(GED). The model is given by

Kết quả (Việt) 1:

Truyền thống GARCH mô hình được ước tính theo các giả định conditionalnormality đo tương quan dữ liệu chuỗi thời gian. Tuy nhiên, giả định này sẽ bị từ chối bởi các tài liệu hiện có (Longi và Solnik, 2001; Hồng et al, 2004; Patton, 2006b; Bành và Ng, năm 2012, v.v..). Ngược lại, việc sử dụng các chức năng desu cho phép chúng tôi xem xét việc phân phối themarginal và các cấu trúc phụ thuộc vào cả hai separatelyand cùng một lúc, do đó phòng không-bình thường của khớp distributionand cấu trúc phụ thuộc có thể được mô hình một cách thích hợp hơn. Đối với mô hình phân phối biên, chung cho thatfinancial tài sản biến động thời gian khác nhau và nhóm, và TGARCHmodel cũng có thể mô tả những biến động đặc điểm offinancialassets. Vì vậy, chúng tôi áp dụng AR(p)–TGARCH(p,q) khi marginalmodels tài sản trở về để xây dựng các mô hình desu. Accordingto Nelson (1991), chúng tôi giả sử rằng phân bố chuẩn dư complieswith lệch-t hay tổng quát lỗi distribution(GED). Các mô hình được đưa ra bởi

Kết quả (Việt) 2:

mô hình GARCH truyền thống được ước tính theo giả định conditionalnormality để đo lường sự tương quan của chuỗi thời gian data.However, giả thiết này bị bác bỏ bởi các tài liệu hiện có (Longi và Solnik năm 2001; Hong et al, 2004;. Patton, 2006b; Peng và Ng, 2012, vv.). Ngược lại, việc sử dụng các chức năng liên hiệp tiếp cho phép chúng ta xem xét phân phối themarginal và cấu trúc phụ thuộc cả separatelyand cùng một lúc, do đó không bình thường của khớp distributionand cấu trúc phụ thuộc có thể được mô hình hóa nhiều appropriately.For mô hình phân bố biên, nó thường được giả định biến động tài sản thatfinancial là thời gian khác nhau và được khoanh vùng, và TGARCHmodel cũng có thể mô tả những biến động đặc offinancialassets. Do đó, chúng tôi áp dụng AR (p) -TGARCH (p, q) là marginalmodels lợi nhuận tài sản để xây dựng các mô hình liên hiệp tiếp. Accordingto Nelson (1991), chúng tôi cho rằng complieswith dư tiêu chuẩn phân phối lệch-t hoặc phân phối lỗi tổng quát (GED). Mô hình này được cho bởi