第9章平稳时间序列分析.ppt

9.5 自回归分布滞后模型 9.5.2. 格兰杰因果关系检验 例子9.6 石油与经济 在Eviews中将两个变量打开（Open→as Group），在数据表格界面点击View→Granger Causality，在弹出对话框Lag Specification中输入需要加入的滞后阶数。 9.5 自回归分布滞后模型 9.5.2. 格兰杰因果关系检验 例子9.6 石油与经济 输出结果 格兰杰因果只是统计意义上的因果关系 9.6 ARCH模型 9.6.1 ARCH模型的定义 9.6.2 ARCH模型估计 9.6 ARCH模型 9.6.1 ARCH模型的定义 股票价格 随机游走，从而股票收益为白噪声， 之间没有关系，但 之间则可能存在关系，能为资产定价提供信息。 9.6 ARCH模型 9.6.1 ARCH模型的定义 定义1(ARCH模型)：设时间序列 满足 阶自回归模型，误差项序列 为白噪声。如果误差项平方形成的序列 服从 阶自回归模型，称时间序列 为带 误差项的自回归模型，表示为 其中 和 为相互独立的白噪声序列。上式中第一个方程为均值方程，第二个方程称为方差方程或者波动方程。 9.6 ARCH模型 9.6.1 ARCH模型的定义 上述定义中中均值和方差模型也可写作： 若序列 的前后相关性持续时间太长（方差聚集效应），则需要选取较大的 ，而GARCH 模型 也能描述持续的相关性，因此通常使用GARCH(1,1)来描述条件方差的行为。 9.6 ARCH模型 9.6.1 ARCH模型的定义 ARCH-m模型（风险溢价） 方差还可以以 或 的形式引入 9.6 ARCH模型 9.6.2 ARCH模型估计 不可观测，故只能用极大似然估计 9.6 ARCH模型 9.6.2 ARCH模型估计 给出初值 和 ，即可以估计参数。初值 和 可以采用如下两种方法得到：（1）用OLS方法估计均值模型，回归残差作为对初值的估计 （2）回代法 ， 为平滑参数，通常取 。 误差项的分布还可以选择t-分布或者GED分布。 9.6 ARCH模型 9.6.2 ARCH模型估计 例子9.6 沪深300指数（日收益率建模） 打开包含日收益率的EViews文件，Quick Estimation equation，在Estimation settings的 Methods中选择ARCH-Autoregressive Conditional Heteroskedasticity，弹出对话框 9.6 ARCH模型 9.6.2 ARCH模型估计 例子9.6 沪深300指数（日收益率建模） 均值模型设定，此处为白噪声 是否在均值模型中加入波动率为解释变量 选择GARCH的类型 GARCH的具体回归阶数 误差项的分布假设 对估计方法的细节设定 9.6 ARCH模型 9.6.2 ARCH模型估计 对含移动平均项的均值模型进行设定 设定回代法 的值 9.6 ARCH模型 9.6.2 ARCH模型估计 例子9.7 β系数 重要概念 1. 时间序列分析的重点，是建立合适的模型刻画不同时间点上随机变量的相关性。常用的时间序列模型有自回归模型和移动平均模型，平稳的自回归模型可以转化为无穷阶的移动平均模型。时间序列的相关性，用自相关系数和偏自相关系数表示。 2. 平稳性是时间序列的数学期望、方差和协方差不随时间变化。自回归模型描述的时间序列的平稳性，可以用模型的滞后多项式根来判断。如果滞后多项式的根都落在单位圆外，则时间序列平稳。 3. 阶数的自回归模型的自相关函数和偏自相关函数具有不同的性质，据此可以