金融计量中的条件异方差模型.pptVIP

10.5.2 CGARCH模型 CGARCH模型包含了三个回归等式。以(1,1)模型的基本形式可以写成： 其中： 表示方差的期望所收敛到的均值水平， 表示随时间变化的长期波动性水平（即条件方差的期望）。 表10-11标普500股票收益率的CGARCH（1，1）模型估计结果 Dependent Variable: SP500RETURN Method: ML - ARCH (Marquardt) - Normal distribution Sample (adjusted): 1/05/1950 4/13/2007 Included observations: 14409 after adjustments Convergence achieved after 30 iterations Presample variance: backcast (parameter = 0.7) Q = C(3) + C(4)*(Q(-1) - C(3)) + C(5)*(RESID(-1)^2 - GARCH(?-1))? GARCH = Q + C(6) * (RESID(-1)^2 - Q(-1)) + C(7)*(GARCH(-1)- Q(-1)) Coefficient Std. Error z-Statistic Prob.?? C 0.000447 5.63E-05 7.942533 0.0000 SP500RETURN(-1) 0.119343 0.008912 13.39110 0.0000 Variance Equation C(3) 0.000102 1.97E-05 5.152787 0.0000 C(4) 0.998053 0.000587 1700.064 0.0000 C(5) 0.029849 0.002815 10.60269 0.0000 C(6) 0.064321 0.003784 16.99612 0.0000 C(7) 0.875633 0.008548 102.4391 0.0000 R-squared 0.003966 ????Mean dependent var 0.000349 Adjusted R-squared 0.003551 ????S.D. dependent var 0.008900 S.E. of regression 0.008884 ????Akaike info criterion -6.904901 Sum squared resid 1.136773 ????Schwarz criterion -6.901221 Log likelihood 49753.36 ????Hannan-Quinn criter. -6.903678 F-statistic 9.558546 ????Durbin-Watson stat 2.072978 Prob(F-statistic) 0.000000 10.5.3 QGARCH模型 QCGARCH(1,1)模型的基本形式: (10.57) 其中：方差等式中的 项用来捕捉非对称性。 图10-7 EViews中ARCH效应检验结果 正态分布、t分布和广义误差分布对应的t时刻的对数似然函数分别为： 表10-3 标普500股票收益率的GARCH（1,1）估计结果－t分布结果 Dependent Variable: SP500RETURN Method: ML - ARCH (Marquardt) - Students t distribution Sample (adjusted): 1/05/1950 4/13/2007 Included observations: 14409 after adjustments Convergence achieved after 15 iterations Presample variance: backcast (parameter = 0.7) GARCH = C(3) + C(4)*RESID(-1)^2 + C(5)*GARCH(-1) Coefficient Std. Error z-Statistic Prob.?? C 0.000472 5.37E-05 8.790214 0.0000 SP500RETURN(-1) 0.110851 0.008388 13.21467 0.0000 Variance Equation C 5.54E-07 8.50E-08 6.518120 0.0000 RESID(-1)^2 0.069440 0.004231