数学建模EViews中估计ARH模型.pptVIP

第八章条件异方差模型 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。 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。 本章内容 自回归条件异方差模型 二、在 EViews中估计ARC模型 、ARCB的估计结果 四、ARCH模型的视图与过程 五、非对称ARCB模型 六、成分ARCB模型( Component ARCH Mode1)  一、自回归条件异方差模型 自回归条件异方差( Autoregressive Conditiona 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,R)提出,并由博 勒斯莱文( Bollerslev,T,1986)发展成为 GARCH( Generalized ARCH)广义自回归条件异方差。这些模型被广泛的应用 于经济学的各个领域。尤其在金融时间序列分析中。 按照通常的想法,自相关的问题是时间序列数据所特有, 而异方差性是横截面数据的特点。但在时间序列数据中,会 不会出现异方差呢?会