arma模型arch模型garch模型经典时序模型(编辑修改稿)

arma模型arch模型garch模型经典时序模型(编辑修改稿)内容摘要：

resid Schwarz criterion Log likelihood HannanQuinn criter. DurbinWatson stat Inverted AR Roots . .54+.39i +.63i 1 2 52 08 03 ( ) ( ) ( 0. 0317) t ( 7 .59) ( 3 .34) ( 3 .26) t t t t tdl y dl y dl y dl yseR      下图显示特征方程根的倒数。 均在单位圆之内。 1. 5 1. 0 0. 50. 00. 51. 01. 5 1. 5 1. 0 0. 5 0. 0 0. 5 1. 0 1. 5AR rootsIn v e r s e R o o t s o f A R / M A P o l y n o m i a l ( s ) 模型的 Q 检验： 2( 2 0 ) 2 0 32 4 . 7 1 6 ( 0 . 0 5 )Q   ，通过 Q 检验。 五 .预测 根据之前建立的模型估计原始数据下一周的金价： ^ 1 1 4e x p {l n ( ) 0 .2 4 6 0 .1 0 8 0 .1 0 3 } 1 1 7 9 .2 6 ( )t t t t ty y d ly d ly d ly       美 元 / 盎 司预测误差： ^1111 1 9 5 . 9 5 1 1 7 9 . 2 6= = 1 . 3 9 6 % 1 1 9 5 . 9 5tttyyy   第 三 部分 波动率模型 一． ARCH 模型的建立 对收益率序列之前模型的残差项作图如下： . 1 0 . 0 5. 0 0. 0 5. 1 0. 1 592 94 96 98 00 02 04 06 08D L Y . 1 0 . 0 5. 0 0. 0 5. 1 0. 1 592 94 96 98 00 02 04 06 08D L Y E. 0 0. 0 4. 0 8. 1 2. 1 692 94 96 98 00 02 04 06 08D L Y A B S E. 0 0 0. 0 0 4. 0 0 8. 0 1 2. 0 1 6. 0 2 092 94 96 98 00 02 04 06 08D L Y E 2 图 1 040801 2 01 6 02 0 02 4 02 8 0 0 . 1 0 0 . 0 5 0 . 0 0 0 . 0 5 0 . 1 0S e r i e s : D L Y ES a m p l e 1 1 / 1 3 / 1 9 9 1 1 1 / 2 5 / 2 0 0 9O b s e r v a t i o n s 9 4 1M e a n 0 . 0 0 1 2 1 5M e d i a n 0 . 0 0 0 7 8 4M a x i m u m 0 . 1 3 3 6 3 7M i n i m u m 0 . 0 9 6 1 4 6St d . D e v . 0 . 0 1 7 8 3 2Sk e w n e s s 0 . 3 7 1 6 6 0Ku r t o s i s 8 . 8 9 2 3 3 9J a r q u e Be r a 1 3 8 2 . 9 6 4Pr o b a b i l i t y 0 . 0 0 0 0 0 0图 2 图 1 中 DLY 为收益率序列的线图， DLYE 为 AR（ 5）模型残差项的图， DLYABSE 为 残差项绝对值序列的图， DLYE2 为残差项平方序列的图，残差序列表现出明显的集群现象；图2 为残差的直方图，右边给出残差序列的风度为 远大于 3，残差序列表现出高峰厚尾。 由以上两图可以看出模型存在自回归条件异方差。 下面用 LM 检验考察模型是否存在自回归条件异方差，结果如下： Heteroskedasticity Test: ARCH Fstatistic Prob. F(1,934) Obs*Rsquared Prob. ChiSquare(1) Test Equation: Dependent Variable: RESID^2 Method: Least Squares Date: 12/13/09 Time: 14:31 Sample: 12/25/1991 11/25/2020 Included observations: 936 Variable Coefficient Std. Error tStatistic Prob. C RESID^2(1) Rsquared Mean dependent var Adjusted Rsquared . dependent var . of regression Akaike info criterion Sum squared resid Schwarz criterion Log likelihood HannanQuinn criter. Fstatistic DurbinWatson stat Prob(Fstatistic) 检验结果表明 残差项存在自回归条件异方差，应该建立 ARCH 模型，经过尝试应该建立ARCH（ 5），模型估计结果如下： Dependent Variable: DLY Method: ML ARCH (Marquardt) Normal distribution Date: 12/13/09 Time: 15:38 Sample (adjusted): 12/25/1991 11/25/2020 Included observations: 936 after adjustments Convergence achieved after 26 iterations Presample variance: backcast (parameter = ) GARCH = C(4) + C(5)*RESID(1)^2 + C(6)*RESID(2)^2 + C(7)*RESID(3)^2 + C(8)*RESID(4)^2 + C(9)*RESID(5)^2 Variable Coefficient Std. Error zStatistic Prob. AR(1) AR(2) AR(5) Variance Equation C RESID(1)^2 RESID(2)^2 RESID(3)^2 RESID(4)^2 RESID(5)^2 Rsquared Mean dependent var Adjusted Rsquared . dependent var . of regression Akaike info criterion Sum squared resid Schwarz criterion Log likelihood HannanQuinn criter. DurbinWatson stat Inverted AR Roots . .54+.39i +.62i 均值方程： 1 2 52150 .2 3 0 .0 9 4 0 .1 0 3 ( 4) ( 7) ( 2 .9 0 )R 0 .0 6 7 2 7 5 D W = 1 .9 6 Q 9 .4 0t t t t td ly d ly d ly d ly       方差方程： 2 5 2 2 2 2 2t 1 t 2 t 3 t 4 t 57 . 6 5 1 0 0 . 1 8 1 0 . 0 8 8 0 . 0 7 8 0 . 2 1 9 0 . 3 2 6 ( 1 0 .1 5 ) ( 5 .3 3 6 ) ( 2 . 4 4 3 ) ( 2 . 4 3 8 ) ( 5 . 3 1 8 ) ( 8 . 1 49)t            模型检验： 从残差 Q 检验结果 215 15 3Q 0 ( )  看出残差项是一个白噪声。