标签： #egarch

经典 GARCH 假设「好消息和坏消息对称地推高波动」，但股灾里「跌比涨更恐慌」是铁律：同样 3% 的跌幅带来的波动跳升，往往大于 3% 涨幅。本文用一套合成的真实波动数据，从零实现 TGARCH(1,1) 与 EGARCH 的 MLE 拟合，量化「同等 ±3% 冲击，跌幅比涨幅多推高 9% 条件方差」，并给出把杠杆效应写进波动率预测、风险预算与期权对冲的完整 Python（中阶）。

波动率是会被预测的：ARCH 用昨日平方收益、GARCH 加上昨日波动、EGARCH/GJR 再补上「坏消息更可怕」的杠杆效应。从零实现 MLE 拟合与多步预测，并给出模型选择与真实陷阱。