关于时间序列方法,我们引荐了1.时间序列分析的各种程序, 38页集结整理成文档,2.ARDL, ARIMA, VAR, (G)ARCH时间数据模型讲解及软件操作,3.R软件中的时间序列分析程序包纵览,4.时间序列分析的各种程序, 38页集结整理成文档,5.时间序列数据分析的思维导图一览, 金融经济学者必备工具,6.送书: 应用时间序列分析(经典),7.为啥时间序列模型比较难学?时间序列的正名路,8.面板数据单位根检验软件操作和解读全在这里,9.动态面板回归和软件操作,单位根和协整检验(Dynamic Panel Data),10.疫情期计量课程免费开放!面板数据, 因果推断, 时间序列分析与Stata应用,11.送书: 应用时间序列分析(经典),12.时间序列模型分解,季节调整分析基础,13.动态因子模型是什么, 又怎么去实现? 14.动态面板分位数估计怎么做?15.动态面板门槛回归程序公布, 使用方法介绍,16.把动态面板命令讲清楚了,对Stata的ado详尽解释
关于VAR方法,我们引荐了1.R软件中的时间序列分析程序包纵览,2.时间序列分析的各种程序, 38页集结整理成文档,3.时间序列数据分析的思维导图一览, 金融经济学者必备工具,4.送书: 应用时间序列分析(经典),5.为啥时间序列模型比较难学?时间序列的正名路,6.时间序列中的协整检验和VECM,以及回归后的系列估计操作,7.时间序列模型分解,季节调整分析基础,8.空间和时间的计量,关注二位国人,9.TVP-VAR时变参数VAR系列文献和估计程序,10.向量自回归VAR模型操作指南针,为微观面板VAR铺基石,11.VAR宏观计量模型演进与发展,无方向确认推断更好,12.应用VAR模型时的15个注意点,总结得相当地道,13.面板数据单位根检验软件操作和解读全在这里,14.动态面板回归和软件操作,单位根和协整检验(Dynamic Panel Data),15.面板向量自回归PVAR是什么? 数据, 程序和解读一步到位,16.ARDL, ARIMA, VAR, (G)ARCH时间数据模型讲解及软件操作,17.动态因子模型是什么, 又怎么去实现?18.SVAR模型的起源、识别、估计与应用, 系统讲述,19.平滑转移自回归模型(STAR)应用与在R软件的操作,20.Copula函数,21.GVAR, 全局VAR模型是什么?该如何用软件实现, 有哪些研究文献和最新进展!
今天,我们引荐一份“百科: ARCH, GARCH等模型家族是什么?软件如何做?怎么解释?”。
正文
关于下方文字内容,作者:宛子远,中国人民大学财政金融学院,通信邮箱:matt_wan@foxmail.com
注:文后附上了PDF版本的文章,更加便于阅读,可以前往参看。
描述(Description)
arch命令用来拟合波动率随时间变化而变化的回归模型,适用于序列中高波动率和低波动率的时期分别集聚的情况。ARCH(Autoregressive Conditional Heteroskedasticity Process,自回归条件异方差过程)模型将未来的波动率作为先验波动率的函数来估计。为了实现这一估计,arch利用条件最大似然估计法来拟合ARCH模型。除了一般的ARCH项,Stata支持在模型中包括积性异方差(multiplicative heteroscedasticity),支持对扰动项设定正态分布,学生t分布和广义误差分布三种形式。
arch也允许在回归方程中加入ARCH-in-mean(ARCH均值)和ARMA(Autoregressive Moving Average自回归滑动平均)项。
快速入门(Quick Start)
y关于x回归的ARCH模型,包括一阶和二阶滞后ARCH项(需要先用tsset将数据转换为时间序列):
arch y x, arch(1,2)
增加一个二阶滞后GARCH项:
arch y x, arch(1,2) garch(2)
增加一个二阶滞后自回归项以及三阶滞后移动平均项:
arch y x, arch(1,2) garch(2) ar(2) ma(3)
让均值方程中包括条件方差(ARCH-in-Mean模型):
arch y x, arch(1,2) garch(2) ar(2) ma(3) archm
y的二阶EGARCH(Exponential GARCH,指数GARCH)模型,包括一个一阶滞后自回归项:
arch y, earch(2) egarch(2) ar(1)
语法细节(Details of syntax)
使用arch命令拟合的基本模型形式如下:
在的方程中可以加入ARCH-in-mean和ARMA项
如果没有给出具体命令,默认A() = B() = 0,模型转变为线性回归。可以在A()中包括以下选项(其中
是待估参数):