求解决一个ARMA模型

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

Method: Least Squares   
Date: 03/08/11   Time: 20:25   
Sample (adjusted): 4/23/2010 12/31/2010   
Included observations: 169 after adjustments   
Convergence achieved after 18 iterations   
MA Backcast: 4/19/2010 4/22/2010   
   
Variable Coefficient Std. Error t-Statistic Prob.  
   
C -0.000102 0.001258 -0.081297 0.9353
AR(2) -0.674191 0.033757 -19.97175 0.0000
AR(4) -0.885715 0.033898 -26.12889 0.0000
MA(2) 0.640675 0.017872 35.84742 0.0000
MA(4) 0.961436 0.011740 81.89392 0.0000
   
R-squared 0.084262     Mean dependent var  -0.000137
Adjusted R-squared 0.061926     S.D. dependent var  0.016684
S.E. of regression 0.016159     Akaike info criterion  -5.383559
Sum squared resid 0.042822     Schwarz criterion  -5.290958
Log likelihood 459.9107     Hannan-Quinn criter.  -5.345980
F-statistic 3.772609     Durbin-Watson stat  1.965984
Prob(F-statistic) 0.005800   
   
Inverted AR Roots  .55-.80i      .55+.80i   -.55-.80i -.55+.80i
Inverted MA Roots  .57+.81i      .57-.81i   -.57+.81i -.57-.81i
   
可以直接输入指令 Y AR(2) MA(2) AR(4) MA(4) C 吗

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏0 回帖

关键词：arma模型 MA模型 ARMA ARM RMA 模型 ARMA 解决

Dependent Variable: Y                               
Method: ML - ARCH (Marquardt) - Normal distribution                               
Date: 03/08/11   Time: 20:29                               
Sample (adjusted): 4/23/2010 12/31/2010                               
Included observations: 169 after adjustments                               
Convergence achieved after 44 iterations                               
MA Backcast: 4/19/2010 4/22/2010                               
Presample variance: backcast (parameter = 0.7)                               
GARCH = C(6) + C(7)*RESID(-1)^2 + C(8)*RESID(-1)^2*(RESID(-1)<0) +                               
        C(9)*GARCH(-1)                               
                               
Variable        Coefficient        Std. Error        z-Statistic        Prob.  
                               
C        0.000247        0.001470        0.167698        0.8668
AR(2)        -0.681232        0.039356        -17.30947        0.0000
AR(4)        -0.881492        0.032309        -27.28348        0.0000
MA(2)        0.647072        0.016206        39.92898        0.0000
MA(4)        0.964283        0.009880        97.60415        0.0000
                               
        Variance Equation                       
                               
C        0.000100        8.26E-05        1.211391        0.2257
RESID(-1)^2        -0.134440        0.068508        -1.962389        0.0497
RESID(-1)^2*(RESID(-1)<0)        0.153198        0.084040        1.822920        0.0683
GARCH(-1)        0.646444        0.331813        1.948220        0.0514
                               
R-squared        0.082438            Mean dependent var                -0.000137
Adjusted R-squared        0.060059            S.D. dependent var                0.016684
S.E. of regression        0.016175            Akaike info criterion                -5.364303
Sum squared resid        0.042907            Schwarz criterion                -5.197622
Log likelihood        462.2836            Hannan-Quinn criter.                -5.296661
F-statistic        1.841824            Durbin-Watson stat                1.958078
Prob(F-statistic)        0.072739                       
                               
Inverted AR Roots         .55-.80i             .55+.80i          -.55-.80i        -.55+.80i
Inverted MA Roots         .57+.81i             .57-.81i          -.57+.81i        -.57-.81i

前面是ARMA模型，不知道可不可以直接输入指令AR(2) AR(4) MA(2）MA(4),结果是第一个，似乎蛮理想的
第二个是进一步构建的TARCH模型，经过了ARCH效用检验，求解，是否可以如上做不对称效应（杠杆效应）
希望各位帮帮忙，最近忙论文