arch模型(參考版)
2025-03-12 23:46本頁面
【正文】 整體思路： 自相關 —— 均值方程 ARCH效應檢驗 —— 方差方程（初步提取殘差中的相關信息） 建模 —— 最終殘差（白噪聲） 演講完畢，謝謝觀看！ 。以便充分的提取殘差中的信息，使得最終的模型殘差 ηt成為白噪聲序列。因此，深證綜指日收益率的 TARCH模型能較好的反映收益率的波動變化。 深證綜指收益率 TARCH模型殘差的ARCH檢驗 —— 殘差平方相關圖檢驗 ARCH檢驗結論 顯然，無論是 ARCHLM檢驗還是殘差相關圖檢驗，都顯示 P值很大，即殘差的自相關關系不再顯著，最終剩余的殘差是真正的白噪聲。 最優(yōu)擬合模型 —— TARCH模型 綜合以上三種模型，相比較 ARCH、 GARCH模型而言， TARCH模型無論從均值方程系數(shù)顯著性（ P值）還是從方程方程系數(shù)的顯著性來看，都是最優(yōu)的。 但回歸結果顯示， γ 小于 0，沒有檢驗到杠桿效應，說明壞消息并沒有使股市的波動加大，其實， 資本市場中，更為普遍的是資產的向下運動通常伴隨著比之程度更強的向上運動。好消息（此時， It1 =0）對條件方差有一個 α 倍的沖擊，壞消息（ It1 =1）對條件方差有一個（ α+γ）倍的沖擊。 GARCH模型更一般的形式是： 當所有 項都等于 0時， GARCH（ p，q）模型變成了純 ARCH（ q）模型。 方差方程估計 —— GARCH模型 GARCH（ 1， 1）模型是指含有一個 ARCH項，一個 GARCH項。 ARCHLM效應檢驗結果 Viewresidual testARCH test F 統(tǒng)計量及 T R2 統(tǒng)計量的 P 值都小于 ，因此，在 5%的顯著性水平下，深證綜指收益率自回歸模型的殘差 存在 ARCH 效應 。 即： Rt =a1Rt1 +a2Rt4 +ut 命令： LS R R(1) R(4) 參數(shù)估計 由參數(shù)估計結果可得以下結果： Rt = + +ut () () 標準差 ARCH 模型的選擇 殘差圖顯示模型存在自回歸條件異方差 ARCHLM效應檢驗 由于股票市場的股票價格及收益率的預測誤差常常是成群出現(xiàn)而呈現(xiàn)出異方差，因此，有必要對深證綜指收益率自回歸模型的殘差是否存在條件異方差 (ARCH)進行檢驗。 自相關檢驗 從深證綜指收益率的自相關圖可知 :深證綜指收益率與滯后 1 階、 4 階相關性相對較強，因此，應建立深證綜指日收益率的自回歸模型對深證綜指收益率進行修正。 Quickseries statisticsunit root test 平穩(wěn)性檢驗結果 單位根檢驗 平穩(wěn)性檢驗結論 在 1%、 5%、 10%的顯著性水平之下，都拒絕有一個單位根的假設，說明深證綜指收益率 平穩(wěn) 。 ViewDescriptive StatisticsH
公司管理相關推薦
鄂ICP備17016276號-1