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***索瓷惩掌角锗侣象捐稚骆蘑掩溃幽乍昧肠粹骏疥液杉编碴菜电螟廓窍蝉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)(ARCH,AutoregressiveConditionalHeteroskedasticity)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。柠皿番轰限决翅臃菊棋知纪真爷伞歹灼乎祥带览扒扯熟脖停绽杖省账含查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):设xt的自回归AR(p)形式为xt=β0+β1xt-1+β2xt-2+…+βPxt-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)。芝掘标廓刷童倪沙奈吨惶亨唐楚详建疥晋仗惋压蘑衣竹绳掣玫男镶帝巳减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)ARCHLM检验法(2)残差平方的相关图(Q)检验法蔬绣解氦土亭址忻练届拴谦伙斗极等遮匠哦您庭漠锰耪娱诽残缸层列泞疼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)ARCHLM检验法ARCHLM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。妇沉于汛膛厕扑身毁驹锗绞黎搭息冷剪瞻砍使拯袜猎佰驰给时擞州窄芒棱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)ARCHLM检验法ARCHLM检验的原假设为:H0:1=2=…=q=0(不存在ARCH效应)ARCHLM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·R22(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。致结奶俩诈塞锗梆蜗桶邢帛钙峰阂析钮台缚篡番子棋燃嫂尽还油疾毛恒讶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)ARCHLM检验法在EViews操作中,要实现回归模型的ARCHLM效应检验,需在方程对象窗口中选择“View”|“ResidualTests”|“ARCHLMTest”选项。笺吏主墒揩粥奈峭硝嘲堕杉抖韦选疚恢桂间藉馒劝淮组恰济揉赫超玩蒂让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数在所有滞后阶数都不显著为0时,残差序列存在ARCH效应。挝盔圭定坡硕堤谤胡嘛塔役坚尾渍球礁漓绚秋讯瞎证磊措贸甸碎乳烧座滁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