时间序列ARCH效应检验的操作步骤与结果解读.docxVIP

时间序列ARCH效应检验的操作步骤与结果解读

一、引言

时间序列分析方法目前已广泛应用于经济金融、环境气象、工程运维、公共卫生等多个领域，通过挖掘观测值的时间依赖规律实现趋势预测、风险度量与政策评估。经典线性时间序列模型的构建长期基于扰动项同方差的核心假设，也就是认为序列的波动幅度围绕固定水平随机变化，不存在时间维度上的相关性。但随着观测数据频率的提升，研究者发现大量现实序列存在明显的“波动率聚集”特征，也就是大幅波动之后往往跟随持续的大幅波动，小幅波动之后往往跟随持续的小幅波动，传统同方差模型无法刻画这种波动的时变特征，会导致参数估计偏差、预测区间失效等问题。

自回归条件异方差（ARCH）框