第七章 ARCH模型的计量步骤

1、-作者xxxx-日期xxxx第七章 ARCH模型的计量步骤【精品文档】第七章 ARCH模型的计量步骤实验目的：考察20002010上证指数的集群波动现象，以对数形式进行分析。1.建工作文档：new file,选择非均衡数据（unstructured/undated），录入样本数：26122.录入数据：objectnew object 3.由于股票价格指数序列常常表现出特殊的单位根过程随机游走过程（Random Walk），所以本例进行估计的基本形式为： 首先利用最小二乘法，估计了一个普通的回归方程，结果及过程如下：即 R28168 对数似然值 = 6914 AIC = -5.29 SC = -

2、5.29 可以看出，这个方程的统计量很显著，而且，拟和的程度也很好。但是需要检验这个方程的误差项是否存在条件异方差性。4.检验条件异方差之前，可先看看残差项的分布情况，打开序列residviewgraph. 按默认选择线性图即可。结果如下：由该回归方程的残差图，我们可以注意到波动出现“集群”现象：波动在一些较长的时间内非常小（例如5001500期间），在其他一些较长的时间内非常大（例如17502250），这说明残差序列存在ARCH或者GARCH效应的可能性较大。5.条件异方差检验：viewresidual diagnosticsheteroskedasticity test。选择ARCH te

3、st。滞后期选择10期，如图：结果如下：此处的P值为0，拒绝原假设，说明式（）的残差序列存在ARCH效应。6.估计GARCH和ARCH模型，首先选择Quick/Estimate Equation或Object/ New Object/ Equation，然后在Method的下拉菜单中选择ARCH，得到如下的对话框。注意：在因变量编辑栏中输入均值方程形式，均值方程的形式可以用回归列表形式列出因变量及解释变量。如果方程包含常数，可在列表中加入C。如果需要一个更复杂的均值方程，可以用公式的形式输入均值方程。 如果解释变量的表达式中含有ARCHM项，就需要点击对话框右上方对应的按钮。EViews中的A

4、RCH-M的下拉框中，有4个选项： （1）选项None表示方程中不含有ARCHM项； （2）选项Std.Dev.表示在方程中加入条件标准差s； （3）选项Variance则表示在方程中含有条件方差s 2。 （4）选项Log(Var)，表示在均值方程中加入条件方差的对数ln(s 2)作为解释变量。 另外，在该窗口内，还可进行如下操作 (1) 在下拉列表中选择所要估计的ARCH模型的类型。 (2) 在Variance栏中，可以列出包含在方差方程中的外生变量。 (3) 可以选择ARCH项和GARCH项的阶数。 (4) 在Threshold编辑栏中输入非对称项的数目，缺省的设置是不估计非对称的模型，即

5、该选项的个数为0。 (5) Error组合框是设定误差的分布形式，默认的形式为Normal（Gaussian）。EViews为我们提供了可以进入许多估计方法的设置。只要点击Options按钮并按要求填写对话即可。按照默认设置，得到如下结果：利用GARCH(1, 1)模型重新估计的方程如下： 均值方程： 方差方程： R2816873353对数似然值 = 7211 AIC = -5.52 SC = -5.51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。7.再对这个方程进行条件异方差的ARCHLM检验: viewresidual diagnosticsARCH LM test由结果可知：相伴概率为P = 0.9662，说明利用GARCH模型消除了原残差序列的异方差效应。另外，ARCH和GARCH的系数之和等于90，小于1，满