【学习笔记】ARCH和GARCH模型思路

前置：

1、Yt = Xtβ+ε（条件均值模型）    ε在ARMA,ARIMA,季节模型中通常是方差

2、波动性集聚：
大方差观测值集聚在一起
小方差观测值集聚在一起

3、ARCH(1)
σt^2 =α0+α1(ε (t-1))^2——————>(t-1为下标)

ARCH(p)

4、GARCH：此时如果样本容量有限——>p过大，待估参数多———>自由度损失——>估计出现问题——(加入Garch)——>模型精度改善

5、总结：

1、条件均值模型是基础

2、波动性集聚是前提

3、阶数确定是建模难点

4、预测是目的     

                                                                                                                                  

思路总结

1、输入数据

2、数据预处理

3、单位根检验(保证平稳性)

4、建立条件均值模型

5、ARCH效应检验——>扰动项条件方差是否是异方差—(通过)—>LM检验、Q检验、ACF\PACF

5、选择并建立ARCH/GARCH（可能常常会基于经验、文献、试验）————————>
扰动项分布的选择（t分布、高斯分布等等）————————>
滞后阶数的确定（信息准则(可以从2、3阶开始循环)、ACF）————————>
非对称效应(非对称最优阶数、......)————————>
最优模型建模

6、ARCH效应检验(二次)——>

7、其他检验

8、预测分析