garch類模型建模的eviews操作-資料下載頁
2025-02-06 23:39本頁面
【正文】 的比較， GARCH（ 1， 1）所有的系數(shù)都通過 t檢驗，效果最好！ 再考慮 TGARCH和 EGARCH再分別進行建模。42 TGARCH的操作為： 點擊主菜單 Quick/Estimate Equation,得到如下對話框，在 Method選擇 GARCH/TGARCH，再將Threshold數(shù)值輸入 1，點擊確定。如下圖：43TGARCH(1,1)44EGARCH的操作為： 點擊主菜單 Quick/Estimate Equation,得到如下對話框，在 Method選擇 EGARCH，再將Threshold數(shù)值輸入 0，點擊確定。如下圖：46nEGARCH(1,1)模型的參數(shù)均顯著，說明序列具有杠桿性，可以進一步加入 “ ARCHM”檢驗：47n系數(shù)不顯著，（用 Variance時系數(shù)一樣不顯著），說明不存在 ARCHM過程。48模型驗證 對建立的 EARCH(1， 1)模型進行殘差 ARCH效應(yīng)檢驗，點擊 EARCH(1， 1)結(jié)果輸出窗口View /Residual Test /ARCH LM Test?Lag=滯后階數(shù)，可以分別取 1， 4， 8， 12；以 lag=4為例，輸出結(jié)果如下所示：49n各種 lag值情形下， F統(tǒng)計量均不顯著，說明模型已經(jīng)不存在 ARCH效應(yīng)。建立的 EGARCH(1， 1)模型如下：50n由于之前對 r的描述統(tǒng)計中發(fā)現(xiàn)統(tǒng)計的正態(tài)分布檢驗沒有通過，可以試圖做殘差服從 t分布和 GED分布的 Eviews建模。51n假設(shè)殘差服從 t分布操作過程： Quick/Estimate Equation,得到如下對話框，在 Method選擇Student’s t （ GED分布則選擇 GED ），如下：5253n上證 180指數(shù)的對數(shù)收益率時間序列的均值方程是一個白噪聲 ，而其殘差能用 EGARCH(1， 1)模型進行較好的擬合。n結(jié)論：n（一）異方差的存在性。該上證指數(shù)收益率有 “尖峰厚尾 ”和聚集現(xiàn)象 ,不服從正態(tài)分布。風險對收益率的影響不顯著。n（二）指數(shù)收益率存在杠桿性。投資者對該指數(shù)收益率下跌的反映往往高于相同程度收益率上漲的反映，即收益率的下跌對市場的影響更大。5455演講完畢，謝謝觀看！
環(huán)評公示相關(guān)推薦
鄂ICP備17016276號-1