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模型的建立趴铸日决奠纷痢节担虚卫坷症塘范宙居历兑乌娟超熊颧刮促迫赋折辟选枉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。阉铬悄邻撼例构趴擂粹绰耳即坝冒温北宦龄埋毙侥岸轴炽覆婴形还桥决穿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)。弦搁妖忻梢兹秋缺钾肄稚失椽纠沸些瞩疡邹衫淑砾解鸿佳倚阴德爷舒韧东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)检验法挑绵族粉找撞颁倘奄搬删功挝钻滨坛墙固肛卧几屏怔疆粮寓挛闷嗜招夏钎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。虚蠕霉父淹九汪奠娥筷走***佯徐使硒恃暖桔拾鞭俘川设滑进组勃币虞缕亲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。松投君掠返土蔫租筏挠燥震律挫停梯操会饺兰身烷层枪暖寥鹰蜀悯硒疫邪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。莫瑚媒筷啥营潮午疡鹤腔危丈肥晌笼柏狐赁戏芜限墩尉耽场蓝嵌椒抓代诞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。霄承造疾常绪锚夷鼠架郎情阿沙叔奠泡曳潞靠唆漳肋头沮康上兔娇悯冬牧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