文档介绍：第9章条件异方差模型
重点内容:
ARCH模型的建立
GARCH模型的建立
绕炒蚁轩铲衍旁隐障碱浦堤扫磅淑类整团问禁跌赘矿挂盔劲乎豫观齐闽豢Eviews数据统计与分析教程9章条件异方差模型-ARCH & GARCHEviews数据统计与分析教程9章条件异方差模型-ARCH & GARCH
一、自回归条件异方差模型(ARCH)
自回归条件异方差(ARCH,Autoregressive Conditional Heteroskedasticity)模型常用来对模型的随机误差项ut进行构建模型,从而使残差序列称为白噪声序列。
暖酥烟剐堵塑囚宠淹逆壳坤编诞佑露蛇偷愤索笋阴讣侣澎症涝宅娃女缉哨Eviews数据统计与分析教程9章条件异方差模型-ARCH & GARCHEviews数据统计与分析教程9章条件异方差模型-ARCH & GARCH
一、自回归条件异方差模型(ARCH)
基本原理:
设xt的自回归AR(p)形式为
xt=β0+β1 xt-1+β2 xt-2 +…+βP xt-P + ut
则随机误差项ut的方差为
Var(ut)=t2 = E(ut2) = 0 + 1 + 2 + …+ q +εt
其中,回归模型的参数0,1…, q均为非负数,这样才能保证方差t2为正。
我们称这里的随机误差项ut服从q阶的ARCH过程,记作ut~ARCH(q)。
兹痪摩吝弃译贰墙埠嗣颧脆冈登距函微薛倒碎焦忠朔黑剪毛窟撒桔滁预剪Eviews数据统计与分析教程9章条件异方差模型-ARCH & GARCHEviews数据统计与分析教程9章条件异方差模型-ARCH & GARCH
一、自回归条件异方差模型(ARCH)
(1)ARCH LM检验法
(2)残差平方的相关图(Q)检验法
算北兑冯器甭池作灰刺矾溪砾托朵壹吱妖辅麻提盘煞墟涩伺责艘狰味相神Eviews数据统计与分析教程9章条件异方差模型-ARCH & GARCHEviews数据统计与分析教程9章条件异方差模型-ARCH & GARCH
一、自回归条件异方差模型(ARCH)
(1)ARCH LM检验法
ARCH LM检验法就是检验残差序列中是否存有ARCH效应的拉格朗日乘数的检验。
若模型的随机误差项服从q阶的ARCH过程,即ut~ARCH(q),则可建立辅助回归方程,如下
检验残差序列是否存在存在ARCH效应,即检验式9-3中的回归系数是否同时为0。
叉溃汀蔚忱托染卤叠窑碧精靠焙级抓册旷央棕就钾吵在伦畴腺汹炯扇窒责Eviews数据统计与分析教程9章条件异方差模型-ARCH & GARCHEviews数据统计与分析教程9章条件异方差模型-ARCH & GARCH
一、自回归条件异方差模型(ARCH)
(1)ARCH LM检验法
ARCH LM检验的原假设为:
H0:1 = 2 = …= q =0 (不存在ARCH效应)
ARCH LM检验的备择假设为:
H1:1,2,…q 不全为0(存在ARCH效应)
检验的统计量为:
LM = n· R2 2 (q)
其中,n为样本数据的数量,R2为辅助回归的拟合优度值。当给定显著性水平和自由度q时,如果LM < 2(q) 则接受原假设H0,即残差不存在ARCH效应;如果LM >2(q) 则拒绝原假设H0,即残差存在ARCH效应。
俱流灾嚼锥手店安郎绣挡顾谊旁底鼠铺古妄缩硅险崭伦凰耙税瘫漫伯彪啡Eviews数据统计与分析教程9章条件异方差模型-ARCH & GARCHEviews数据统计与分析教程9章条件异方差模型-ARCH & GARCH
一、自回归条件异方差模型(ARCH)
(1)ARCH LM检验法
在EViews操作中,要实现回归模型的ARCH LM效应检验,需在方程对象窗口中选择“View”|“Residual Tests”|“ARCH LM Test”选项。
请纵欺寥王妹库袍践衡钱菲挺甄赵宜颇篆宏边白想寺翔律些畔焉荣招酸贸Eviews数据统计与分析教程9章条件异方差模型-ARCH & GARCHEviews数据统计与分析教程9章条件异方差模型-ARCH & GARCH
一、自回归条件异方差模型(ARCH)
(2)残差平方的相关图(Q)检验法
从残差平方的相关图可以看出残差平方的序列直到指定阶数的自相关(AC)和偏自相关(PAC)的系数。
通过残差平方的相关图可检验残差序列对象是否存在ARCH效应。当自相关和偏自相关系数在所有滞后阶数都显著为0时,残差序列不存在ARCH效应;当自相关和偏自相关系