8章，回归条件heteroscanova模型.ppt

因此，对式(9.3.2)进行条件异方差的ARCH LM检验，得到了在滞后阶数p = 3时的ARCH LM检验结果： 此处的P值为0，拒绝原假设，说明式（9.1.2）的残差序列存在ARCH效应。还可以计算式（9.1.2）的残差平方的自相关（AC）和偏自相关（PAC）系数，结果如下： 陛圾舌饶呈登按趋膀镁呀抠潜满簿恐闺翼睬因置皂曹恕勒沂竣藻光教愤奸8章，回归条件heteroscanova模型8章，回归条件heteroscanova模型 重新建立序列的GARCH（1, 1）模型，结果如下： 均值方程： （23213） 方差方程： （11.44） （33.36） 对数似然值 = 3006 AIC = -5.76 SC = -5.74 壳概泅暇附包氮夷弄沧意危霍就果宰诀铭添捍赢棕薄扰拨螟萤肉刹淬啪掣8章，回归条件heteroscanova模型8章，回归条件heteroscanova模型 方差方程中的ARCH项和GARCH项的系数都是统计显著的，并且对数似然值有所增加，同时AIC和SC值都变小了，这说明这个模型能够更好的拟合数据。再对这个方程进行条件异方差的ARCH—LM检验，相伴概率为P = 0.924，说明利用GARCH模型消除了原残差序列的异方差效应。ARCH和GARCH的系数之和等于0.982，小于1，满足参数约束条件。由于系数之和非常接近于1，表明一个条件方差所受的冲击是持久的，即它对所有的未来预测都有重要作用，这个结果在高频率的金融数据中经常可以看到。 凄郸拽赌夹臻怖僧万淹钨乙室河答南舆吹羔筐缩挣帐环匙猩舀渣汹克熊煌8章，回归条件heteroscanova模型8章，回归条件heteroscanova模型 可却洒舒羊算坍坠积辣谬毯检家逃首叉观科苇挎场吏淄革猎遇纹土禹犬苯8章，回归条件heteroscanova模型8章，回归条件heteroscanova模型 ARCH估计的结果可以分为两部分：上半部分提供了均值方程的标准结果；下半部分，即方差方程包括系数，标准误差，z—统计量和方差方程系数的P值。在方程(9.1.6)中ARCH的参数对应于?，GARCH的参数对应于? 。在表的底部是一组标准的回归统计量，使用的残差来自于均值方程。 注意如果在均值方程中不存在回归量，那么这些标准，例如R2也就没有意义了。 矢稀蒋苛饿仓允般什比跳递甲甚拖龙旁给揪擞汇奖墅盖帘斡韭叔串髓耐冗8章，回归条件heteroscanova模型8章，回归条件heteroscanova模型 例2 估计我国股票收益率的ARCH—M模型。选择的时间序列仍是1998年1月3日至2001年12月31日的上海证券交易所每日股票价格收盘指数{sp}，股票的收益率是根据公式： ，即股票价格收盘指数对数的差分计算出来的。 ARCH—M模型： ， 估计出的结果是: (-2.72) (2.96) (5.43) (12.45) (29.78) 对数似然值 = 3010 AIC = -5.77 SC = -5.74 在收益率方程中包括 ?t 的原因是为了在收益率的生成过程中融入风险测量，这是许多资产定价理论模型的基础 —— “均值方程假设” 的含义。在这个假设下，? 应该是正数，结果 ? = 0.27，因此我们预期较大值的条件标准差与高收益率相联系。估计出的方程的所有系数都很显著。并且系数之和小于1，满足平稳条件。均值方程中?t 的系数为0.27，表明当市场中的预期风险增加一个百分点时，就会导致收益率也相应的增加0.27个百分点。 釜牲悦芋讣乡逾疑徐俭传睡钻婴柠母剃芯哈丘赵劫耽膜锰组携珐牢专吗靖8章，回归条件heteroscanova模型8章，回归条件heteroscanova模型 病煎朱篆祸坚山舰沈所滨超碑灭贡惧取