GARCH类模型建模的Eviews操作培训课程.ppt

从图中可以看出，序列的自相关和偏自相关系数均落入两倍的估计标准差内，且Q－统计量的对应的p值均大于置信度0.05，故序列在5％的显著性水平上不存在显著的相关性。 Page ? * 回归模型的建立 由于序列不存在显著的相关性，因此将均值方程设定为白噪声。 设立模型： rt=πt+εt Page ? * 将r去均值化，得到w： 操作为： Objects/Generate Series输入 w=r-0.000256 再看w序列的描述性统计： Page ? * 检验ARCH效应 Page ? * 检验ARCH效应有两种方法：LM法（拉格朗日乘数检验法）和对残差的平方相关图检验。 本案例中由于没有对ARMA建模，E-views中没有直接的LM法，所以采用第二种方法。首先建立w的平分方程z，在Objects/Generate Series输入z= w2， 然后在视图中点击view-correlogram，然后点击ok，就得到了对数收益率的自相关函数分析图。 Page ? * 如图所示：序列存在自相关，所以有ARCH效应。 建立GARCH类模型 (1)GARCH模型 (2)T-GARCH模型 (3)E-GARCH模型 Page ? * Page ? * 常用的GARCH模型包括GARCH(1,1)，GARCH(1,2)，GARCH(2,1)我们分别用多个模型建模，以下以GARCH(1,1)为例: 点击主菜单Quick/Estimate Equation,得到如下对话框，在 Method选择GARCH,在Mean equation框中输入w，ARCH和GARCH处都选择1，点击确定。 Page ? * （1）GARCH(1,1) Page ? * Page ? * （1）GARCH(2,1) Page ? * （1）GARCH(1,2) 基于以上三个模型的比较，GARCH（1，1）所有的系数都通过t检验，效果最好！再考虑T-GARCH和E-GARCH再分别进行建模。 Page ? * T-GARCH的操作为： 点击主菜单Quick/Estimate Equation,得到如下对话框，在 Method选择GARCH/TGARCH，再将Threshold数值输入1，点击确定。如下图： Page ? * Page ? * T-GARCH(1,1) E-GARCH的操作为： 点击主菜单Quick/Estimate Equation,得到如下对话框，在 Method选择EGARCH，再将Threshold数值输入0，点击确定。如下图： Page ? * EGARCH(1,1)模型的参数均显著，说明序列具有杠杆性，可以进一步加入“ARCH-M”检验： Page ? * Page ? * 系数不显著，（用Variance时系数一样不显著），说明不存在ARCH-M过程。 模型验证 对建立的EARCH(1，1)模型进行残差ARCH效应检验，点击EARCH(1，1)结果输出窗口View /Residual Test /ARCH LM Test?Lag=滞后阶数，可以分别取1，4，8，12；以lag=4为例，输出结果如下所示： Page ? * 各种lag值情形下，F统计量均不显著，说明模型已经不存在ARCH效应。 Page ? * 建立的EGARCH(1，1)模型如下： 由于之前对r的描述统计中发现统计的正态分布检验没有通过，可以试图做残差服从t分布和GED分布的E-views建模。 Page ? * Page ? * 假设残差服从t分布操作过程：Quick/Estimate Equation,得到如下对话框，在 Method选择Student’s t（ GED分布则选择GED ），如下： Page ? * Page ? * 上证180指数的对数收益率时间序列的均值方程是一个白噪声 ，而其残差能用EGARCH(1，1)模型进行较好的拟合。 结论： （一）异方差的存在性。该上证指数收益率有“尖峰厚尾”和聚集现象,不服从正态分布。风险对收益率的影响不显著。 （二）指数收益率存在杠杆性。投资者对该指数收益率下跌的反映往往高于相同程度收益率上涨的反映，即收益率的下跌对市场的影响更大。 Page ? * （提醒：用导入法时，EXCEL文档中只能包含所需数据，而不能有其他文字，比如表头名称要删除，同时该被导入的文档不能同时打开） （提醒：用导入法时，EXCEL文档中只能包含所需数据，而不能有其他文字，比如表头名称要删除） * 一般会出现自相关是因为记忆性 周期性等等，前十二没有自相关可以认为他是不自相关的，而且Q统计量也不显著 * GARCH类模型建模的Ev