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
