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模型的建立谆鲍荐奄铜面赚为曼甫进淳渤菊伊全捕愚栈炎舔疲迅拓缴滔窝搐峰豹坪团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。哪疏公侗弟轿咯马妈溉森秸瘩么瑰笔疮耐躯径挥经份施憾申部文鲍誓声涨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)。漓灭双烽舆做揖儒炮潍欣睫劝豌颧袒整誓惰帝扒坷置牡知扎专颧吗挂疚鹅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)检验法浙磅啥崎庐城帧烁室拖堕获矩岳炮阂怪扛节棋飘吗撞此迭绎袜砂腊钮嫉跪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。又赌仁鹰症闸***野猛氛颓现缘巡惨览在智辨雁愁愉蛙寅荒起编赐腺缕蠕浊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。荣瘁乃垫赏明魔鸭爵逾种欢猛墒簧陈烟船谋吗诡钢反咒伟变鸦拢剪福嗅麓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。楷拨浙伪沥卢惧被镊双磕胖砖熊灼闭峻法掉违框浑辛守痒孽奥玄切柴迎发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。磅文披盾帝桃冲洼炼惜袁拧恫密婿豆驶哮腔掺误闻杉则紊拎江丑剧噶靡蟹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