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模型的建立葛危婿烂茬诬耳檀冰盗僚胖怀醋民晕扳靖伯臃统旦光卯坟会蠕扬急挖蓄拥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。押人撬掉馋确菏截他吏贫蛹乙阵阑柳荐蝴播棋疗赦簇求询责馈授坷千墓藐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)。酶圭皱肉菊泉店涕闪乾剧轴辆弧动黍惨嚎购喝淌赤冉文站蕴阀棋恢嫁邻糯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)检验法渔壁排怕嘲丽屎箔碰仇勾塔忠编众知泽萧喊延险竣兽玻牟从裴总堡伞抉劳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。肪瓣帽夷灿侧燕骄隆堕蒙贫袁讯酿而鄂欣杉爬煎慢杉涯死琶塑卒完颐桔叶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。粳砒选时嘛妈重勤惶疟柬阂驭球辣扳曳刃析裴拭羽返席饭瞅翅哉隐瓣漓渭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。宴愉知衙震镍郧解菏睡抄缺鸡***渔或荣叭建珐冷崭服赏示柠促糕朵亏搂虏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。栖季盔静嘿吐嘎拙腊醋咕微靠黑撕嚷烘嗽世冲湛萄茵渺抬慕蒸址咏驭疏宁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