garch模型族的EVIEWS的操作课件解析.pptVIP

从图中可以看出，序列的自相关和偏自相关系数均落入两倍的估计标准差内，且Q－统计量的对应的p值均大于置信度0.05，故序列在5％的显著性水平上不存在显著的相关性。 Page ? * 回归模型的建立 由于序列不存在显著的相关性，因此将均值方程设定为白噪声。 设立模型： rt=πt+εt Page ? * 将r去均值化，得到w： 操作为： Objects/Generate Series输入 w=r-0.000256 再看w序列的描述性统计： Page ? * 检验ARCH效应 Page ? * 检验ARCH效应有两种方法：LM法（拉格朗日乘数检验法）和对残差的平方相关图检验。 本案例中由于没有对ARMA建模，E-views中没有直接的LM法，所以采用第二种方法。首先建立w的平分方程z，在Objects/Generate Series输入z= w2， 然后在视图中点击view-correlogram，然后点击ok，就得到了对数收益率的自相关函数分析图。 Page ? * 如图所示：序列存在自相关，所以有ARCH效应。 建立GARCH类模型 (1)GARCH模型 (2)T-GARCH模型 (3)E-GARCH模型 Page ? * Page ? * 常用的GARCH模型包括GARCH(1,1)，GARCH(1,2)，GARC