(g)arch模型在金融數(shù)據(jù)中的應(yīng)用(更新版)
【正文】 H中， 項的系數(shù)估計值都小于零。圖7－15 滬市收益率GARCHM(1,1)模型估計結(jié)果圖716 深市收益率GARCHM(1,1)模型估計結(jié)果可見，而且都是顯著的。(4) 對殘差進(jìn)行ARCHLM Test依照步驟（1），再對rh 做一次滯后15階的回歸，在出現(xiàn)的“Equation”窗口中點擊“View”－ “Residual Test”－“ARCH LM Test”,選擇一階滯后，得到如圖7－11所示結(jié)果：圖711 rh ARCHLM Test 對rz 方程回歸后的殘差項同樣可做ARCHLM Test，結(jié)果表明殘差中ARCH效應(yīng)是很顯著的。深市收益率的標(biāo)準(zhǔn)差大于滬市，說明深圳股市的波動更大。方程（）表示誤差項的方差 由兩部分組成：一個常數(shù)項和前p個時刻關(guān)于變化量的信息，用前p個時刻的殘差平方表示(ARCH項)。二、基本概念p階自回歸條件異方程ARCH(p)模型，其定義由均值方程（）和條件方程方程（）給出： （） （）其中， 表示t1時刻所有可得信息的集合，為條件方差。JB正態(tài)性檢驗也證實了這點，統(tǒng)計量為2232，說明在極小水平下，收益率r t顯著異于正態(tài)分布；%，%，收益率r t同樣具有尖峰、厚尾特征。雙擊選取序列res1，在新出現(xiàn)的窗口中選擇“View”－ “Line Graph”，得到res1的線性圖如圖79所示圖79 rh殘差平方線狀圖同理得到 rz殘差平方線狀圖: 圖710 rz殘差平方線狀圖可見的波動具有明顯的時間可變性（time varying）和集簇性（clustering）,適合用GARCH類模型來建模。（2）GARCHM (1,1) 估計結(jié)果依照前面的步驟只要在“ARCHM term”欄選擇方程作為ARCHM項的形式，即可得到GARCHM(1,1)模型的估計結(jié)果，如圖7－15和圖7－16所示。EARCH模型估計結(jié)果在圖712的“ARCH Specification ”下拉列表中選擇“EGARCH”，則可得到rh 、rz的EGARCH 模型估計結(jié)果，分別如下圖719和圖720所示。（2）檢驗兩市波動的因果性在“Workfile”中同時選中“GARCH01”和“GARCH02”，右擊，選擇“Open”―“As Group”，在彈出的窗口中點擊“View”―“Granger Causality”，并選擇滯后階數(shù)5，得到如圖7－21所示結(jié)果。這說明在條件方差方程中加入深市波動的滯后項
環(huán)評公示相關(guān)推薦
鄂ICP備17016276號-1