arch和garch模型估計(編輯修改稿)
2025-06-16 16:17 本頁面
【文章內(nèi)容簡介】 (EViews5)的對話框 與選擇估計方法和樣本一樣，需要指定均值方程和方差方程。 （ 一 ） 均值方程 在因變量編輯欄中輸入均值方程形式 ， 均值方程的形式可以用回歸列表形式列出因變量及解釋變量 。 如果方程包含常數(shù) ， 可在列表中加入 C。 如果需要一個更復(fù)雜的均值方程 ， 可以用公式的形式輸入均值方程 。 如果解釋變量的表達(dá)式中含有 ARCH—M項 ， 就需要點擊對話框右上方對應(yīng)的按鈕 。 ， 只有 3個選項： None表示方程中不含有 ARCH?M項； ?； Variance則表示在方程中含有條件方差 ? 2。 而 EViews5中的 ARCHM的下拉框中 ， 除了這三個選項外 ， 還添加了一個新的選項： Log(Var)， 它表示在均值方程中加入條件方差的對數(shù) ln(? 2)作為解釋變量 。 （ 二）方差方程 EViews5的選擇模型類型列表 （ 1）在 model下拉框中可以選擇所要估計的 ARCH模型的類型，需要注意， EViews5中的模型設(shè)定下拉菜單中的 PARCH模型是 EViews5中新增的模型，在 ，并沒有這個選項，而是直接將幾種類型列在對話框中。 （ 3）在 Variance欄中，可以根據(jù)需要列出包含在方差方程中的外生變量。由于 EViews在進(jìn)行方差回歸時總會包含一個常數(shù)項作為解釋變量，所以不必在變量表中列出 C。 （ 2）設(shè)定了模型形式以后，就可以選擇 ARCH項和GARCH項的階數(shù)。缺省的形式為包含一階 ARCH項和一階GARCH項的模型，這是現(xiàn)在最普遍的設(shè)定。如果要估計一個非對稱的模型，就應(yīng)該在 Threshold編輯欄中輸入非對稱項的數(shù)目，缺省的設(shè)置是不估計非對稱的模型，即該選項的個數(shù)為 0。仍需注意的是，這個 Threshold編輯欄也是EViews5新增的選項，即 EViews5可以估計含有多個非對稱項的非對稱模型。在 ，并沒有這個選項，非對稱模型中的非對稱項只能有 1項。 （ 4） Error組合框是 EViews5新增的對話框 ， 它可以設(shè) 定 誤 差 的 分 布 形 式 ， 缺 省 的 形 式 為 Normal（ Gaussian） ， 備選的選項有： Student’st， Generalized Error（ GED） 、 Student’st with fixed GED with fixed parameter。 需要注意 ， 選擇了后兩個選項的任何一項都會彈出一個選擇框 ， 需要在這個選擇框中分別為這兩個分布的固定參數(shù)設(shè)定一個值 。 在 ， 并沒有 Error選項 ， 誤差的條件分布形式默認(rèn)為 Normal（ Gaussian） 。 （ 四）估計選項 （ Options） EViews為我們提供了可以進(jìn)入許多估計方法的設(shè)置。只要點擊 Options按鈕并按要求填寫對話即可。 1. 回推 (Backcasting) 在缺省的情況下， MA初始的擾動項和 GARCH項中要求的初始預(yù)測方差都是用回推方法來確定初始值的。如果不選擇回推算法， EViews會設(shè)置殘差為零來初始化 MA過程，用無條件方差來設(shè)置初始化的方差和殘差值。但是經(jīng)驗告訴我們，使用回推指數(shù)平滑算法通常比使用無條件方差來初始化GARCH模型的效果要理想。 2. 系數(shù)協(xié)方差 (Coefficient Covariance) 點擊 Heteroskedasticity Consistent Covariances計算極大似然 （ QML） 協(xié)方差和標(biāo)準(zhǔn)誤差 。 如果懷疑殘差不服從條件正態(tài)分布 ， 就應(yīng)該使用這個選項 。 只有選定這一選項 ， 協(xié)方差的估計才可能是一致的 ， 才可能產(chǎn)生正確的標(biāo)準(zhǔn)差 。 注意如果選擇該項 ， 參數(shù)估計將是不變的 ， 改變的只是協(xié)方差矩陣 。 3. 導(dǎo)數(shù)方法 (Derivatives) EViews現(xiàn)在用數(shù)值導(dǎo)數(shù)方法來估計 ARCH模型 。 在計算導(dǎo)數(shù)的時候 ， 可以控制這種方法達(dá)到更快的速度 （ 較大的步長計算 ） 或者更高的精確性 （ 較小的步長計算 ） 。 4. 迭代估計控制 (Iterative process) 當(dāng)用默認(rèn)的設(shè)置進(jìn)行估計不收斂時 ， 可以通過改變初值 、增加迭代的最大次數(shù)或者調(diào)整收斂準(zhǔn)則來進(jìn)行迭代控制 。 5． 算法選擇 (Optimization algorithm) ARCH模型的似然函數(shù)不總是正規(guī)的，所以這時可以利用選擇迭代算法（ Marquardt、 BHHH/高斯 牛頓）使其達(dá)到收斂。 三 ARCH的估計結(jié)果 在均值方程中和方差方程中估計含有解釋變量的標(biāo)準(zhǔn)GARCH(1,1)模型， () 例 1
教學(xué)課件相關(guān)推薦
鄂ICP備17016276號-1