EViews数据统计与分析教程 978-7-302-22529-4 9章新.pptVIP

* EViews统计分析基础教程 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 一、自回归条件异方差模型（ARCH） 1.ARCH模型 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。 一、自回归条件异方差模型（ARCH） 1.ARCH模型 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）。 一、自回归条件异方差模型（ARCH） 2.ARCH模型检验 （1）ARCH LM检验法 （2）残差平方的相关图（Q）检验法 一、自回归条件异方差模型（ARCH） 2.ARCH模型检验 （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