第十一章时间序列分析.pptVIP

11.4 ARCH与GARCH的估计及解释 1、ARCH模型 若一个平稳随机变量xt可以表示为AR(p) 形式，其随机误差项的方差可用误差项平方的q阶分布滞后模型描述， xt = ?0 + ?1 xt -1 + ?2 xt -2 + … + ?p xt - p + ut ?t2 = E(ut2) = ?0 + ?1 ut -1 2 + ?2 ut -22 + … + ?q ut - q2 则称ut 服从q阶的ARCH过程，记作ut ? ARCH (q)。其中第一式称作均值方程，第二式称作ARCH方程。 2、GRACH模型 ARCH模型中的第二式是关于?t2的分布滞后模型。为避免ut2的滞后项过多，可采用加入?t2的滞后项的方法（回忆可逆性概念）。对于第二式，可给出如下形式， ?t2 = ?0 + ?1 ut –1 2 + ?1 ?t -12 此模型称为广义自回归条件异方差模型，用GARCH (1, 1) 表示。其中ut –1称为ARCH项，?t -1称为GARCH项。 在Stata中ARCH模型的实现，是通过如下基本命令来实现的： arch depvar [indepvars] [if] [in] [weight] [, options] Model noconstant 没有常数项 arch(numlist) ARCH 滞后阶数 garch(numlist) GARCH 滞后阶数 saarch(numlist) 简单非对称 ARCH 模型 tarch(numlist) 门限ARCH 模型 aarch(numlist) 非对称 ARCH模型 narch(numlist) 非线性ARCH模型 narchk(numlist) 带有位移的非线性ARCH模型 abarch(numlist) 绝对值ARCH 模型 atarch(numlist) 绝对门限ARCH模型 sdgarch(numlist) garch项的滞后项 earch(numlist) Nelsons EGARCH 模型的信息项 egarch(numlist) log（garch）的滞后项 parch(numlist) 幂ARCH 模型 tparch(numlist) 门限幂 ARCH模型 aparch(numlist) 非对称幂ARCH 模型 nparch(numlist) 非线性幂ARCH 模型 nparchk(numlist) 带有位移的非线性幂 ARCH 模型 pgarch(numlist) 幂 GARCH 模型 constraints(constraints) 线性约束 Model 2 archm 均值方程加入方差项 archmlags(numlist) 均值方程加入滞后阶数 archmexp(exp) 将exp转换为ARCH-IN-MEAN的形式 arima(#p, #d, #q) ARIMA(p,d,q) 模型 ar(numlist) ar模型 ma(numlist) ma模型 Model 3 het(varlist) 条件方差估计中带有外生变量 savespace 估计时节省内存 【例11.7】继续利用上例中的数据，建立该数据的ARCH模型。 * 本章结束，谢谢观看！ Page ? * STATA从入门到精通 STATA 从入门到精通 第十一章 时间序列分析 11.1 基本时间序列模型的估计 在许多情况下，人们用时间序列的观测时期代表的时间作为模型的解释变量，用来表示被解释变量随时间的自发变化趋势。这种变量称为时间变量，也叫做趋势变量。 时间变量通常用t表示，其在用时间序列构建的计量经济模型中得到广泛的应用，它可以单独作为一元线性回归模型中的解释变量，也可以作多元线性回归模型中的一个解释变量，其对应的回归系数表示被解释变量随时间变化的变化趋势，时间变量也经常用在预测模型中。 11.1.1 定义时间序列在stata中的实现 在进行时间序列的分析之前，首先要定义变量为时间序列数据。只有定义之后，才能对变量使用时间序列运算符号，也才能使用时间序列分析的相关命令。定义时间序列用tsset命令，其基本命令格式为： tsset timevar [, options] 其中， timevar为时间变量。Options分为两类，或者定义时间单位，或者定义时间周期（即timevar两个观测值之间的周期数）。Options的相关描述如表11-1所示。