《第7讲ARCH与GARCH模型》由会员分享，可在线阅读，更多相关《第7讲ARCH与GARCH模型（14页珍藏版）》请在装配图网上搜索。
1、ARCH族模型族模型实验基本原理实验基本原理实验内容及数据来源实验内容及数据来源在实验12-4中我们看到，对于工作文件“wpi1.dta”中的变量ln_wpi，ARIMA模型就能很好的拟合。但是，对批发价格指数wpi的对数差分序列D.ln_wpi进行作图：line d.ln_wpi t, yline(0)可以看到，D.ln_wpi的波动有时剧烈有时平稳。也就是说，存在波动性聚集现象。这样，我们考虑使用ARCH类模型对其重新进行拟合。利用“wpi1.dta”的数据，我们会讲解ARCH效应的检验、ARCH族模型的拟合以及预测。1 拟合拟合OLS模型并检验模型并检验ARCH效应效应我们首先用OLS对
2、D.ln_wpi拟合一个只包括常数项的模型，然后使用Engle的拉格朗日乘子检验（Lagrange-multiplier test）考察是否存在ARCH效应。输入命令：regress D.ln_wpi我们将拟合一个只有常数项的模型。下面，我们检验是否存在ARCH效应。命令为：estat archlm, lags(1)其中，estat用于在回归之后输出统计量，archlm表明要输出检验ARCH效应的拉格朗日乘子统计量，lags(1)设定滞后期为1。2 ARCH族模型的拟合族模型的拟合下面，我们对序列D.ln_wpi拟合各种ARCH类模型。（1）GARCH(1,1)模型的拟合我们首先考虑拟合一个G
3、ARCH(1,1)模型。输入命令：arch D.ln_wpi, arch(1) garch(1)（2）带ARMA过程的ARCH模型对于序列D.ln_wpi，我们前面拟合过ARMA模型，在这里，我们考虑使用带ARMA过程的ARCH模型。设定ARMA项的形式为ar(1)、ma(1)，并加入ma(4)项来控制季节效应。输入命令：arch D.ln_wpi, ar(1) ma(1 4) arch(1) garch(1)我们可以验证arch项和garch项是联合显著的。输入命令：test ARCHL1.arch ARCHL1.garch我们将检验arch项和garch项的系数是否联合显著。其中，test
4、表示对系数进行线性约束的检验，ARCHL1.arch表示要检验的是ARCH方程中滞后1期arch项的系数。要注意的是，方括号中的ARCH表示方程名，必须大写（3）拟合EGARCH模型对于批发物价指数wpi，读者可能会想，wpi意外的上升和意外的下降会有不同的影响。我们可以推测，价格指数的意外升高会造成现金流的短缺，从而影响存货并造成更大的波动。也就是说，我们要考虑一个不对称模型。多种模型可以拟合这种不均衡的效应，像TARCH模型、EGARCH模型、SAARCH模型等。我们可以进行多种尝试，并选取最好的。这里，我们采取较为流行的EGARCH模型。命令为：arch D.ln_wpi, ar(1)
5、ma(1 4) earch(1) egarch(1)其中，earch(1)表示设定信息项的滞后期为1，egarch(1)表示设定的滞后期为1。3 ARCH族模型的预测族模型的预测对于前面拟合的EGARCH模型，我们看到，正的冲击和负的冲击对条件方差有不对称的影响。我们可以通过作图来得到更直观的认识。通过作出信息反应函数，即条件方差对 的函数，我们可以实现这一目标。而这需要得到与一定区间下的 （例如，-4到4）相对应的条件方差的预测值，这可以通过如下命令实现：generate et = (_n-64)/15predict sigma2, variance at(et 1)line sigma2 et in 2/l, title(News response function)
第7讲ARCH与GARCH模型
