标签： #gjr-garch

经典 GARCH 把收益平方搬进方差方程，正负号被抹平，于是涨 3% 和跌 3% 对波动贡献一样——这跟市场常识对着干。本文 numpy 从零实现 GJR-GARCH(门限 GARCH)，MLE 还原真实参数(α=0.049, γ=0.098, β=0.835)，量化『同等 ±3% 冲击坏消息多推高 200% 条件方差』，并演示波动目标叠加把回撤从 −83% 压到 −48%。附完整 Python 与四张真实计算图。

Black 杠杆效应：坏消息比同幅度好消息更搅动波动。GJR/TGARCH 用阈值项把方向写进方程，MLE 精确还原真值 γ=0.090、对数似然比对称 GARCH 高 52.8，附完整 Python 与三类真实陷阱。