第五讲ARCH和GARCH模型估计.pptVIP

内容概况 一　ARCH模型及扩展 二　在EViews中估计ARCH模型 三　 估计结果与检验 因此，对式(5.3.2)进行条件异方差的ARCH LM检验，得到了在滞后阶数p = 3时的ARCH LM检验结果： 此处的P值为3%，拒绝原假设，说明式（5.1.2）的残差序列存在ARCH效应。还可以计算式（5.1.2）的残差平方的自相关（AC）和偏自相关（PAC）系数，结果如下： * * 第五讲 条件异方差模型 EViews中的大多数统计工具都是用来建立随机变量的条件均值模型。本章讨论的重要工具具有与以往不同的目的——建立变量的条件方差或变量波动性模型。 我们想要建模并预测其变动性通常有如下几个原因: 首先，我们可能要分析持有某项资产的风险；其次，预测置信区间可能是时变性的，所以可以通过建立残差方差模型得到更精确的区间；第三，如果误差的异方差是能适当控制的，我们就能得到更有效的估计。 　一 自回归条件异方差模型 自回归条件异方差(Autoregressive Conditional Heteroscedasticity Model， ARCH)模型是特别用来建立条件方差模型并对其进行预测的。 ARCH模型是1982年由恩格尔(Engle,