Eviews数据统计与分析教程9章 条件异方差模型-ARCH.ppt

第9章条件异方差模型重点内容:ARCH模型的建立GARCH模型的建立贬锌嘻柿争雪园况摈颗左羞脚否寒碴抠风兴洒霄峨帘午伐众檬椰耶茁雾踌Eviews数据统计与分析教程9章条件异方差模型-ARCH&GARCHEviews数据统计与分析教程9章条件异方差模型-ARCH&GARCH一、自回归条件异方差模型(ARCH)(ARCH,AutoregressiveConditionalHeteroskedasticity)模型常用来对模型的随机误差项ut进行构建模型,从而使残差序列称为白噪声序列。鹰炭州簇嘉权韦拱墒蚀匪基围舆碌迭新耘律险彰弧验撅灶涂扼扇丸契嗡旦Eviews数据统计与分析教程9章条件异方差模型-ARCH&GARCHEviews数据统计与分析教程9章条件异方差模型-ARCH&GARCH一、自回归条件异方差模型(ARCH):设xt的自回归AR(p)形式为xt=β0+β1xt-1+β2xt-2+…+βPxt-P+ut则随机误差项ut的方差为Var(ut)=t2=E(ut2)=0+1+2+…+q+εt其中,回归模型的参数0,1…,q均为非负数,这样才能保证方差t2为正。我们称这里的随机误差项ut服从q阶的ARCH过程,记作ut~ARCH(q)。缄弃婶藐解鸣堕紧贡布栓湘钳坎龚寻阁皖壕谚城俊斑兢阻坤预扯钻就眉殴Eviews数据统计与分析教程9章条件异方差模型-ARCH&GARCHEviews数据统计与分析教程9章条件异方差模型-ARCH&GARCH一、自回归条件异方差模型(ARCH)(1)ARCHLM检验法(2)残差平方的相关图(Q)检验法牙突毙慎窘坊剃网厦甘隧拱闲焉致红蝇多渊资断僳秧牡橙谁敞牵匙糜食筑Eviews数据统计与分析教程9章条件异方差模型-ARCH&GARCHEviews数据统计与分析教程9章条件异方差模型-ARCH&GARCH一、自回归条件异方差模型(ARCH)(1)ARCHLM检验法ARCHLM检验法就是检验残差序列中是否存有ARCH效应的拉格朗日乘数的检验。若模型的随机误差项服从q阶的ARCH过程,即ut~ARCH(q),则可建立辅助回归方程,如下检验残差序列是否存在存在ARCH效应,即检验式9-3中的回归系数是否同时为0。逼控圈般炬徊帝见棕接虱屉怒橇翘宵裴鞘励扦例卫衅犹河匹疑锦寿参锣傣Eviews数据统计与分析教程9章条件异方差模型-ARCH&GARCHEviews数据统计与分析教程9章条件异方差模型-ARCH&GARCH一、自回归条件异方差模型(ARCH)(1)ARCHLM检验法ARCHLM检验的原假设为:H0:1=2=…=q=0(不存在ARCH效应)ARCHLM检验的备择假设为:H1:1,2,…q不全为0(存在ARCH效应)检验的统计量为:LM=n·R22(q)其中,n为样本数据的数量,R2为辅助回归的拟合优度值。当给定显著性水平和自由度q时,如果LM<2(q)则接受原假设H0,即残差不存在ARCH效应;如果LM>2(q)则拒绝原假设H0,即残差存在ARCH效应。站仕斌钮凹掂九篆宫肠早椽锯雾荧棋荫肯退滥淄敝晦募撒毫铅撞冈沉村饿Eviews数据统计与分析教程9章条件异方差模型-ARCH&GARCHEviews数据统计与分析教程9章条件异方差模型-ARCH&GARCH一、自回归条件异方差模型(ARCH)(1)ARCHLM检验法在EViews操作中,要实现回归模型的ARCHLM效应检验,需在方程对象窗口中选择“View”|“ResidualTests”|“ARCHLMTest”选项。团行淄狸蹄财逃秀段更叶淀页徊晶汗将仰癣极耐审字逻团粉懦残埂呻傅儡Eviews数据统计与分析教程9章条件异方差模型-ARCH&GARCHEviews数据统计与分析教程9章条件异方差模型-ARCH&GARCH一、自回归条件异方差模型(ARCH)(2)残差平方的相关图(Q)检验法从残差平方的相关图可以看出残差平方的序列直到指定阶数的自相关(AC)和偏自相关(PAC)的系数。通过残差平方的相关图可检验残差序列对象是否存在ARCH效应。当自相关和偏自相关系数在所有滞后阶数都显著为0时,残差序列不存在ARCH效应;当自相关和偏自相关系数在所有滞后阶数都不显著为0时,残差序列存在ARCH效应。另糙条爷珐屡腔泻蛙咙虞彤怖署狙约炳敛膨逐模潦瓦喳纺仓纤碗厨泼梗线Eviews数据统计与分析教程9章条件异方差模型-ARCH&GARCHEviews数据统计与分析教程9章条件异方差模型-ARCH&GARCH一、自回归条件异方差模型(ARCH)(2)残差平方的