第十一章节时间序列分析解析.pptVIP

11.4 ARCH与GARCH的估计及解释 1、ARCH模型 若一个平稳随机变量xt可以表示为AR(p) 形式，其随机误差项的方差可用误差项平方的q阶分布滞后模型描述， xt = ?0 + ?1 xt -1 + ?2 xt -2 + … + ?p xt - p + ut ?t2 = E(ut2) = ?0 + ?1 ut -1 2 + ?2 ut -22 + … + ?q ut - q2 则称ut 服从q阶的ARCH过程，记作ut ? ARCH (q)。其中第一式称作均值方程，第二式称作ARCH方程。 2、GRACH模型 ARCH模型中的第二式是关于?t2的分布滞后模型。为避免ut2的滞后项过多，可采用加入?t2的滞后项的方法（回忆可逆性概念）。对于第二式，可给出如下形式， ?t2 = ?0 + ?1 ut –1 2 + ?1 ?t -12 此模型称为广义自回归条件异方差模型，用GARCH (1, 1) 表示。其中ut –1称为ARCH项，?t -1称为GARCH项。 在Stata中ARCH模型的实现，是通过如下基本命令来实现的： arch depvar [indepvars] [if] [in] [weight] [, options] Model noconstant 没有常数项 arch(numlist) ARCH 滞后