资源描述
,单击此处编辑母版标题样式,单击此处编辑母版文本样式,第二级,第三级,第四级,第五级,*,*,第,7,讲,ARCH,与,GARCH,模型,1,ARCH,族模型,实验基本原理,2,3,4,5,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。,6,1,拟合,OLS,模型并检验,ARCH,效应,我们首先用,OLS,对,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,。,7,2 ARCH,族模型的拟合,8,9,10,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,GARCH(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,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,11,(,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)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,。,12,3 ARCH,族模型的预测,13,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)/15,predict sigma2,variance at(et 1),line sigma2 et in 2/l,title(News response function),14,
展开阅读全文