一阶差分序列garch建模_最全：ARCH, GARCH等模型家族是什么？软件如何做？怎么解释？...

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：[email protected]

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)：