摘要：本文提出了样本内和样本外密度预测评估的数据驱动平滑检验（data—drivensmoothtest）方法，并分别采用Newey-Tauchen的方法以及West—McCracken的方法来纠正参数估计对样本内和样本外密度预测评估的影响。运用本文提出的检验方法，我们比较了各种最大熵GARCH模型对中国三个股指数据（香港恒生指数、上证综合指数和台湾加权指数）的样本内和样本外预测绩效。结果显示：（1）最大熵GARCH模型可以用来刻画中国股指数据的典型化事实，GARCH模型中考虑了厚尾和偏态特征的PearsonIV分布对中国股指收益率的样本外预测绩效是很重要的；（2）具有较好样本内拟合优度和样本内预测效果的模型未必有很好的样本外密度预测效果，考虑到样本外预测的重要性，实际应用中我们应采用具有较好样本外预测效果的模型。

关键词：密度预测评估 最大熵garch模型 数据驱动平滑检验 概率积分变换 

单位：华东师范大学金融与统计学院 上海200241 上海对外经贸大学WTO学院 上海200336