【正文】 6）和 Taylor（ 1986）各自獨(dú)立的發(fā)展起來(lái)的。 Schwarz準(zhǔn)則167。,)。,39。將似然函數(shù)取對(duì)數(shù)，構(gòu)造對(duì)數(shù)似然函數(shù)461. 建立似然方程2. 運(yùn)用 osl回歸得到初始參數(shù)的值，作為迭代的初始值3. 選擇對(duì)條件方差參數(shù)的一些初始值。127167。216。 這樣由 OSL估計(jì)得到的參數(shù)估計(jì)量的方差是 “偽方差”，無(wú)法證明回歸參數(shù)與真實(shí)值的關(guān)系。167。 回歸的結(jié)果可能是錯(cuò)誤的23金融時(shí)間序列的特點(diǎn)167。167。但是 ut的條件方差隨時(shí)間而變化，假設(shè) 服從 AR(1)過(guò)程（模型的名稱來(lái)源）21167。 ARCH（ 1）對(duì)于參數(shù)給出的非常嚴(yán)格的限制，并且隨著 ARCH階數(shù)的增加，其限制將更為復(fù)雜，在實(shí)際的回歸過(guò)程中，可能很難滿足這樣的條件。Probability Obs*Rsquared 6 由于時(shí)間序列 y抽樣的時(shí)候是獨(dú)立，則對(duì)于所有的聯(lián)合概率密度函數(shù)有 f(y)，等于邊際密度的乘積說(shuō)明：對(duì)于三個(gè)獨(dú)立的事件 A、 B和 c同時(shí)發(fā)生的概率是 A、 B和 C三者概率的乘積。C39。167。 注意： t時(shí)刻前，由樣本回歸得到參數(shù)，推斷樣本外的方差167。 由 ARCH模型可知167。01/22/07如果因變量全部由殘差得到了解釋，這就表明回歸系數(shù)是不顯著的。26 ARCH（ 1）模型的參數(shù)約束167?；貧w與條件均值15 條件矩167。 若線性回歸模型的誤差實(shí)際上是異方差，卻被假定為同方差，這就意味著標(biāo)準(zhǔn)誤差的估計(jì)值是錯(cuò)誤的。現(xiàn)代金融研究專題GARCH模型1金融時(shí)間序列的特點(diǎn)167。 自回歸： 殘差平方服從 AR(p)過(guò)程167。在本例中，也就是 y對(duì) x的回歸條件均值是 x的函數(shù)，若 X是一個(gè)分布，則條件均值也是一個(gè)分布。只有平穩(wěn)的隨機(jī)過(guò)程，其數(shù)字特征才是可測(cè)的。因此，首先由均值方程得到殘差，然后對(duì)其取平方，最后判定上述的各個(gè)參數(shù)是否顯著不為零35因此，一個(gè)聯(lián)合的零假設(shè)檢驗(yàn)，其所有 q階殘差平方的系數(shù)不能顯著地異于零，因此，可以采用 F統(tǒng)計(jì)量進(jìn)行參數(shù)的聯(lián)合檢驗(yàn)。Squares Date:39 GARCH的參數(shù)約束167。 通過(guò)回歸得到 GARCH參數(shù)，以及根據(jù) t時(shí)刻的殘差和方差來(lái)預(yù)測(cè) t+1時(shí)刻條件方差167。 [e,s,y] = garchsim(spec,1000)。,39。同樣在從時(shí)間序列抽取的樣本中，這些樣本既然被抽取了，便表示他們同時(shí)發(fā)生了，似然函數(shù)就是同時(shí)發(fā)生的概率。132 Included167。回憶：條件期望值等價(jià)于回歸Chou， Korner（ 1992） 22正