Ослабление предпосылок о распределении и учет эффекта асимметрии в обобщенных авторегрессионных моделях условной гетероскедастичностиRelaxing Distributional Assumptions and Accounting for the Asymmetry Effect in Generalized Autoregressive Conditional Heteroskedasticity Models

Диссертационное исследование посвящено ослаблению предпосылок о распределении случайных шоков и учету эффекта асимметрии в обобщенных авторегрессионных моделях условной гетероскедастичности (GARCH). В работе анализируются проблемы ошибок спецификации, возникающие при нарушении предпосылок о форме распределения шоков и симметричности премии за риск. Предложены полунепараметрические модификации моделей GARCH, основанные на аппроксимации неизвестной плотности шоков эрмитовыми полиномами и сплайнами, что позволяет ослабить предпосылки о распределении случайных шоков. Также разработан новый класс асимметричных моделей, учитывающий различное влияние положительных и отрицательных шоков на формирование премии за риск. Эмпирическая проверка на данных по доходностям фондовых индексов США и России, а также криптовалюты биткоин, показывает, что предложенные модели обеспечивают более высокую точность моделирования динамики волатильности и премии за риск по сравнению с классическими спецификациями. Результаты численных экспериментов подтверждают преимущества новых методов в условиях отклонения от нормальности распределения и наличия асимметрии в премии за риск.