温馨提示：由于个人手机设置不同，如果发现不能下载，请复制以下地址【https://www.wenke99.com/d-6134492.html】到电脑端继续下载（重复下载不扣费）。
1: 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。 2: 试题试卷类文档，如果标题没有明确说明有答案则都视为没有答案，请知晓。 3: 文件的所有权益归上传用户所有。 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。 5. 本站仅提供交流平台，并不能对任何下载内容负责。 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。
本文（ARCH等效应分析(共18页).docx）为本站会员（晟***）主动上传，文客久久仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对上载内容本身不做任何修改或编辑。 若此文所含内容侵犯了您的版权或隐私，请立即通知文客久久（发送邮件至hr@wenke99.com或直接QQ联系客服），我们立即给予删除！
以7jpyen.wf1的数据为例，分析ARCH、GARCH效应的相关思路及回归估算方法。背景介绍：经典的回归模型研究的是被解释变量的期望与解释变量呈何种关系，其回归结果都伴随着随机误差项的四个经典基本假设：零均值、同方差、无序列相关、相互独立四个假设条件。GARCH模型族研究的是被解释变量的方差如何变化的问题，这在分析金融时间序列中有着广泛的应用。以前也有过关于异方差问题的解决，然而以前介绍的异方差多属于递增型异方差，即随机误差项方差的变化随着解释变量的增大而增大。然而，这里要解决的并不是这样类型的异方差，这里的异方差通常是指利率、汇率、股票收益等时间序列里面存在的呈现出随时间变化并且有“波动集群”特征的异方差，该异方差取值的分布表现为“高峰厚尾”特征。即现期方差与前期的“波动”有关系。使用ARCH模型进行估计时对这种特征的条件异方差进行正确估计可以使回归参数的估计量更具有有效性。这里使用7 jpyen.wf1数据对ARCH/GARCH效应进行分析，操作过程如下：（1） 看基本数据的统计特征：依次点击序列JPYViewGraphok看该序列的基本特征，截
Copyright © 2018-2021 Wenke99.com All rights reserved
工信部备案号：浙ICP备20026746号-2
公安局备案号：浙公网安备33038302330469号
本站为C2C交文档易平台，即用户上传的文档直接卖给下载用户，本站只是网络服务中间平台，所有原创文档下载所得归上传人所有，若您发现上传作品侵犯了您的权利，请立刻联系网站客服并提供证据，平台将在3个工作日内予以改正。
