标签： #garch

普通 GARCH(1,1) 把波动率当成一条「连续、同质」的过程，可真实市场的波动是分层的——平静期波动低、危机期波动高，而且会突然跳变。本文用马尔可夫切换 GARCH（MS-GARCH）把波动率拆成两个区制（低波动 / 高波动），用 Hamilton 滤波递归估计「此刻处在哪个区制、概率多大」。合成数据实跑：两区制波动率差 2.7 倍、区制分类准确率 83.2%；MSGARCH 条件波动 RMSE 0.224，远胜单一区制 GARCH 的 0.542；95% 单日 VaR 击穿率 0.045，精准贴住目标 0.05，而单区制 GARCH 只有 0.031（长期低估尾部风险）。附完整 Python 与六类真实陷阱(中阶)。

GARCH 的方差冲击只指数衰减，可真实市场的波动聚集能持续好几个月。FIGARCH 用分数阶差分 (1-L)^d 把这种『慢衰减』写成可估的长记忆模型，本文从直觉、数学到 Python 全流程讲透。

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。