現(xiàn)代金融專題研究(編輯修改稿)
2025-01-23 02:11 本頁面
【文章內(nèi)容簡介】 著 ARCH階數(shù)的增加，其限制將更為復(fù)雜，在實際的回歸過程中，可能很難滿足這樣的條件。167。 ARCH（ 1）描述金融時間序列是不夠的， ARCH（P）需要大量的參數(shù)估計，且要保證所有的參數(shù)均滿足參數(shù)約束是很困難的， 以及保證顯著性是很困難的。167。 現(xiàn)在， ARCH主要是用來檢驗金融時間序列是否具有條件異方差效應(yīng)，即 ARCH檢驗。33 ARCH效應(yīng)檢驗167。 （ 1）進(jìn)行均值方程的回歸，可以采用普通的一元或者多元回歸，或者是 AR(n)的均值方程，均值方程的構(gòu)建取決于金融學(xué)的研究目的216。 AR(m)ARCH（ p）或者34ARCH效應(yīng)檢驗167。 （ 2）根據(jù) ARCH模型的定義167。因此，首先由均值方程得到殘差，然后對其取平方，最后判定上述的各個參數(shù)是否顯著不為零35因此，一個聯(lián)合的零假設(shè)檢驗，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)計量進(jìn)行參數(shù)的聯(lián)合檢驗。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。36ARCH效應(yīng)的檢驗：中國銀行ARCHTest: Fstatistic Probability Obs*Rsquared Probability TestEquation: DependentVariable:RESID^2 Method:LeastSquares Date:01/22/07Time:17:23 Sample(adjusted):6132 Includedobservations:127afteradjustments Variable Coefficient Std.Error tStatistic Prob. C RESID^2(1) RESID^2(2) RESID^2(3) RESID^2(4) 373 GARCH模型167。 廣義的 ARCH模型（ Generalized autoregressive conditionally heteroscedastic）是由 En
教學(xué)課件相關(guān)推薦
鄂ICP備17016276號-1