计量经济分析方法与建模课件第二版第06章条件异方差模型幻灯片.pptVIP

* 把暂时方程和长期方程联合起来： (6.3.5) 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。 * 在暂时方程中还可以引入非对称影响，称为非对称的成分ARCH模型。它的条件方差方程的形式为： (6.3.6) (6.3.7) 其中 z 是外生变量，d 是虚拟变量，表示负的冲击，当 ut-1＜0时，dt -1 = 1；否则，dt -1= 0。只要 ? ? 0，冲击就会对变动率的短期波动产生非对称的影响；? 0 意味着条件方差中的暂时杠杆效应。需要注意，这种非对称效应只出现在短期波动中，对长期波动率的影响则主要体现在系数? 的变化上。 * 在EViews中估计成分ARCH模型 选择Model下拉列表中的Component ARCH(1,1)，非对称成分ARCH模型还要对非对成项个数做选择。 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6.7 股票价格指数的CARCH模型 * 均值方程： (2.3) (1241) 方差方程： 长期成分方程: (9.94) (749) (6.27) 暂时成分方程: (10.56) (20.87) 在暂时成分方程中，?+? 之和为0.814，小于1，表示暂时成分? 2- qt 将收敛于零；而长期波动率 qt 则通过 ? 的作用，本例中? = 0.994，缓慢的收敛于均值0.0002。 * 2. 非对称的CGARCH模型： * 前面已经证明了股价的波动具有非对称效应，“利空消息”产生的波动比等量的“利好消息”产生的波动大，利用非对称CGARCH模型，我们可以进一步印证这个结论： 均值方程： (28.85) (307939) 方差方程： 长期成分方程: （9.13） （661.66） （5.78） 暂时成分方程: (10.48) (-3.74) 　　(76.14) R2 = 0.997 AIC = -5.69 SC = -5.67 * 方差方程的统计结果中的系数C(2)、C(3)、C(4)和C(5)的含义与对称的CARCH模型的含义相同，系数C(7) 代表了暂时方程(6.3.7)中的非对称项的系数? 。此处的估计值为-0.056，由于哑变量 d 表示负冲击，所以可以解释为负的冲击比正的冲击带来的波动小。需要注意的是，这种非对称效应只出现在暂时方程中，也就是说，出现的这种非对称效应只是暂时的，它对长期波动率 qt 的影响与对称的CARCH模型的相同，? = 0.994 ，长期波动率 qt 以同样的速度收敛于稳态。 * 5. 残差检验/相关图-Q-统计量 显示了标准残差的相关图（自相关和偏自相关）。这个窗口可以用于检验均值方程中的剩余