数学建模EViews中估计ARCH模型.pptVIP

这个例子中，利空消息能比等量的利好消息产生更大的波动的结果在EGARCH模型中也能够得到印证，在EGARCH模型中， ，其非对称项? 的系数小于零， 。 当 时，有一个 = 0.306+(- 0.07 )= 0.236倍冲击； 当 时，有一个 = 0.306+(- 0.07 ) ?(-1) = 0.376倍冲击 。 在EViews4.0的EGARCH模型结果显示中： | ut /?t|项的系数? 记作|RES| /SQR[GARCH] (1) ； 杠杆效应项 ? 记作 RES/SQR[GARCH](1)； 此例中? 是负的并在统计上是显著的，这表明在样本期间沪市的股票收盘价格指数中存在杠杆效应。 六、成分ARCH模型(Component ARCH Model) GARCH (1,1) 模型将条件方差设定为： (9.6.1) 令 其中? 是非条件方差或长期波动率， (9.6.1)变为： (9.6.2) 表示了均值趋近于? ，这个? 在所有时期都为常数。 成分ARCH模型允许均值趋近于一个变动的水平qt： (9.6.3) 此处?t 仍然是波动率，而qt 代替了? ，它是随时间变化的长期变动。第一个等式描述了暂时分量 ?t2 - qt ，它将随?+? 的作用收敛到零。第二个等式描述了长期分量qt 它将在 ? 的作用下收敛到? 。典型的 ? 在0.99和1之间，所以qt 缓慢的接近? 。 我们把暂时方程和长期方程联合起来： 该方程表明了成分ARCH模型是一个非线性的严格的GARCH(2,2)模型。 在成分ARCH模型的条件方差方程中，可以包含进外生变量，它可以在长期方程中，也可以在暂时方程中（或者两者均可）。暂时方程中的变量将对变化率的短期移动产生影响，而长期方程中的变量将影响变动率的长期水平。 在方程对话框中的Asymmetric Component选项把成分ARCH模型和非对称TARCH模型结合在一起。这种方式在暂时方程中引入了非对称影响，估计方程的形式为： (9.6.4) 其中z是外生变量，d是哑变量，表示负的冲击。? 0 意味着条件方差中的暂时杠杆效应。 在EViews中估计成分ARCH模型 在EViews4.0中估计成分ARCH模型，选择方程指定对话框中的Component ARCH或Asymmetric Component选项。在EViews5中,选择Model下拉列表中的Component ARCH(1,1)，非对称成分ARCH模型还要选择非对成项选择。 我们在前面的例子中已经估计了沪市的股票收盘价格指数的GARCH模型，但是方差方程被假定为均值不变的，在引入了CGARCH模型后，重新进行估计，得到的结果为： 例 7 CGARCH模型： 均值方程： (21247) 方差方程： (4.675) (9.37) (0.74) (118.06) (3.91) R2 = 0.994 对数似然值 = 3010 AIC = -5.77 SC = -5.74 在暂时成分方程中，?+? 之和为0.