3.9.1 引言

金融市场是经济活动的晴雨表。经济社会的重大突发性事件和周期性变化，都会通过金融市场的随机波动表现出来，而这种随机波动特性则是金融资产损益评估的难点，精确刻画金融资产收益的波动性是金融风险管理的核心。

金融活动生成的时间序列数据具有尖峰、厚尾和波动聚集等多重特性，这使较多的学者运用GARCH模型来刻画和预测金融资产收益率的波动特性（Lamoureux和Lastrapes，1990；Bollerslev、Chou和Kroner，1992；West和Cho，1995等）。然而，金融市场不定期发生的随机冲击事件，往往会造成金融系统的动荡，使资产收益剧烈波动中并出现一些异常观测值。这些异常值的产生往往与一些重要经济事件的出现相关，近年来的研究发现，发达国家与新兴市场国家的资本市场在特定的时间段内均会受到一些异常大的冲击影响，例如1987年全球股市遭遇的“黑色星期一”，1997年的亚洲金融危机，2008年以来的金融危机事件等。这些不同的冲击事件极有可能导致金融资产收益的无条件方差出现结构特性变化，如果依然使用一个稳定的GARCH过程来刻画不同时段资产收益的波动特性，并假定资产收益的无条件方差仍为一个常数，忽略结构突变所产生的影响，那么得出的估计结果必然存在偏误。

3.9.2 文献综述

Diebold（1986）最早注意到金融资产方差的时变性可能影响GARCH模型对波动率的准确估计。Lamoureux和Lastrapes（1990）发现GARCH模型的系数估计结果对样本的划分非常敏感，波动性确实存在时变特性，另外，控制样本区间的长度后，波动的持续性显著下降。Miko