时间序列分析第四次作业.doc

莅蝿羈羅芁螈蚇膁膇螇袀羄薆螆羂艿蒂螅肄肂莈螅螄芈芄莁袆肀膀蒀罿芆蒈葿蚈聿莄蒈螁芄芀蒈羃肇芆蒇肅羀薅蒆螅膅蒁蒅袇羈莇蒄罿膄芃薃虿羆腿薂螁膂蒇薂袄羅蒃薁肆膀荿薀螆肃芅蕿袈芈膁薈羀肁蒀薇蚀芇莆蚆螂聿节蚆袅芅膈蚅羇肈薆蚄螇袁蒂蚃衿膆莈蚂羁罿芄蚁蚁膄膀蚁螃羇葿螀袅膃莅蝿羈羅芁螈蚇膁膇螇袀羄薆螆羂艿蒂螅肄肂莈螅螄芈芄莁袆肀膀蒀罿芆蒈葿蚈聿莄蒈螁芄芀蒈羃肇芆蒇肅羀薅蒆螅膅蒁蒅袇羈莇蒄罿膄芃薃虿羆腿薂螁膂蒇薂袄羅蒃薁肆膀荿薀螆肃芅蕿袈芈膁薈羀肁蒀薇蚀芇莆蚆螂聿节蚆袅芅膈蚅羇肈薆蚄螇袁蒂蚃衿膆莈蚂羁罿芄蚁蚁膄膀蚁螃羇葿螀袅膃莅蝿羈羅芁螈蚇膁膇螇袀羄薆螆羂艿蒂螅肄肂莈螅螄芈芄莁袆肀膀蒀罿芆蒈葿蚈聿莄蒈螁芄芀蒈羃肇芆蒇肅羀薅蒆螅膅蒁蒅袇羈莇蒄罿膄芃薃虿羆腿薂螁膂蒇薂袄羅蒃薁肆膀荿薀螆肃芅蕿袈芈膁薈羀肁蒀薇蚀芇莆蚆螂聿节蚆袅芅膈蚅羇肈薆蚄螇袁蒂蚃衿膆莈蚂羁罿芄蚁蚁膄膀蚁螃羇葿螀袅膃莅蝿羈羅芁螈蚇膁膇螇袀羄薆螆羂艿蒂螅肄肂莈螅螄芈芄莁袆肀膀蒀罿芆蒈葿蚈 时间序列分析第四次作业 ——房青 B0712094 1071209153 1. ARMA-GARCH modeling of SSE Composite Index. Use the recent 1000 obervations on the log return of the SSECI. (1) Use PACF to identify an ARCH model of the series. In terms of correlations, is this model adequate for the modeling of the conditional heteroskedasicity? And what about the conditional mean? SSECI对数收益率PACF图 通过PACF图，可以确定ARCH模型的阶数24。 对ARCH（24）模型残差的Ljung-Box检验 Ljung-Box test for standardized residuals: Statistic P-value Chi^2-d.f. 28.83 0.004172 12 Ljung-Box test for squared standardized residuals: Statistic P-value Chi^2-d.f. 3.974 0.9839 12 根据上述检验结果可以看出，在5%显著性水平下模型残差具有显著自相关性，说明ARCH（24）对条件异方差的拟合能力并不好。 Jarque-Bera P-value 104.9 0 从QQ图和Jarque-Bera检验中可以得出，模型残差不符合正态分布，说明模型还需要改进。 以上的结论可以看出，需要加入ARMA部分来优化模型。 (2) Estimate an ARMA(1,6)-ARCH(p) model of the series, where p is determined above. Is this model adequate? 对ARMA(1,6)-ARCH（24）模型残差的Ljung-Box检验 Ljung-Box test for standardized residuals: Statistic P-value Chi^2-d.f. 13.59 0.3278 12 Ljung-Box test for squared standardized residuals: Statistic P-value Chi^2-d.f. 12.68 0.3925 12 从上述检验结果中可以看出，在5%显著性水平下模型残差以及残差的平方都已经是白噪声过程，不具有自相关性。说明该模型的拟合效果有很大的提高。 Jarque-Bera P-value 2205 0 虽然仍没有通过Jarque-Bera检验，但是从QQ图上来看，残差对正态分布的趋近程度比上个模型大大提高了。 说明加入了ARMA部分后，模型的拟合能力提高很大。 (3) Estimate a GARCH(1,1) model