计量经济分析方法与建模课件第06章节ARCH和GARCH估计s幻灯片.pptVIP

ARCH模型的视图与过程 一旦模型被估计出来，EViews会提供各种视图和过程进行推理和诊断检验。 一、ARCH模型的视图 1. Actual, Fitted, Residual 窗口列示了各种残差形式。 2. 条件SD图 显示了在样本中对每个观测值绘制向前一步的标准偏差?t 。t 时期的观察值是由t-1期可得到的信息得出的预测值。 3. 协方差矩阵 4. 系数检验 5. 残差检验/相关图-Q-统计量 二、ARCH模型的过程 1．构造残差序列 将残差以序列的名义保存在工作文件中，可以选择保存普通残差 ut 或标准残差 ut /?t 。残差将被命名为RESID1，RESID2等等。可以点击序列窗口中的name按钮来重新命名序列残差。 2．构造GARCH方差序列 将条件方差?t2以序列的名义保存在工作文件中。条件方差序列可以被命名为GARCH1，GARCH2等等。取平方根得到如View/Conditional SD Gragh所示的条件标准偏差。 3．预测 例3 假设我们估计出了如下的ARCH(1) (采用Marquardt方法)模型： (ARCH_CPI方程中加入CPI做解释变量 ，留下2001年10月—2001年12月的3个月做检验性数据) 使用估计的ARCH模型可以计算因变量的静态的和动态的预测值，和它的预测标准误差和条件方差。为了在工作文件中保存预测值，要在相应的对话栏中输入名字。如果选择了Do gragh选项EViews就会显示预测值图和两个标准偏差的带状图。 估计期间是1/03/1998- 9/28/2001，预测期间是10/02/2001 - 12/31/2001左图表示了由均值方程和SP的预测值的两个标准偏差带。 §6.2 非对称ARCH模型 在资本市场中，经常可以发现这样的现象：资产的向下运动通常伴随着比之程度更强的向上运动。为了解释这一现象，Engle和Ng（1993）绘制了好消息和坏消息的非对称信息曲线。 波动性 0 信息 本节将介绍3种能够描述这种非对称冲击的模型：TARCH模型、EGARCH模型和PARCH模型。 估计TARCH模型，EViews5要在Threshold选项中填“1” ，表明有1个非对称项，可以有多个。其他的选项与GARCH模型的选择相似。 6.2.1 TARCH模型 TARCH或者门限(Threshold)ARCH模型由Zakoian (1990) 和Glosten，Jafanathan，Runkle(1993)独立的引入。条件方差指定为： (6.2.1) 其中，dt-1是虚拟变量：当 ut 0 时， dt-1=1；否则，dt -1=0 。 在这个模型中，好消息(ut 0)和坏消息(ut 0)对条件方差有不同的影响：好消息有一个? 的冲击；坏消息有一个对?+? 的冲击。如果? ? 0 ，则信息是非对称的，如果 ? 0 ，我们说存在杠杆效应，非对称效应的主要效果是使得波动加大；如果 ? 0 ，则非对称效应的作用是使得波动减小。 例6.3 货币政策对物价影响的非对称效应分析 由于货币政策及其它政策的实施力度以及时滞导致经济中出现了不同于货币政策开始实施阶段的条件因素，导致货币政策发生作用的环境发生了变化，此时，货币政策在产生一般的紧缩或者是扩张的政策效应基础上，还会产生一种特殊的效应，我们称之为“非对称”效应。表现在经济中，就是使得某些经济变量的波动加大或者变小。本例使用1991年第一季度至2003年第一季度的数据建立了通货膨胀率(?t)的TARCH模型: 均值方程： 方差方程：