关于R语言中DDC-GARCH模型的garch部分估计存在差异的相关问题

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

【求助】做DCC检验的部分时发现了一个问题、为什么同一个garch模型（用的同一个spec）ddcfit出来和ugarcgfit的garch部分参数差异会那么大？
我的代码如下【看china1的数据估计结果偏差】：
>garch11.spec = ugarchspec(mean.model = list(armaOrder = c(0,0)),variance.model = list(garchOrder = c(1,1),model = "sGARCH"),distribution.model = "sstd" )
> dcc.garch00.spec = dccspec(uspec = multispec(c(garch11.spec,garch11.spec)),dccOrder = c(1,1),distribution = "mvt")
> ugarchfit(garch11.spec,china1)#单独garch部分
> dccfit(dcc.garch00.spec,data.frame(china1,russia1))
#连带dcc部分 【china1数据ugarchfit的结果】
*---------------------------------*
*          GARCH Model Fit        *
*---------------------------------*

Conditional Variance Dynamics        
-----------------------------------
GARCH Model        : sGARCH(1,1)
Mean Model        : ARFIMA(0,0,0)
Distribution        : sstd

Optimal Parameters
------------------------------------
        Estimate  Std. Error  t value Pr(>|t|)
mu      0.000357    0.000352   1.0152 0.310010
omega   0.000002    0.000003   0.7705 0.441001
alpha1  0.055548    0.020236   2.7450 0.006052
beta1   0.933750    0.023653  39.4765 0.000000
skew    0.975866    0.033862  28.8187 0.000000
shape  10.522990    2.541200   4.1410 0.000035
【china1数据dccfit的结果】

---------------------------------*
*          DCC GARCH Fit          *
*---------------------------------*

Distribution         :  mvt
Model                :  aDCC(0,0)
No. Parameters       :  14
[VAR GARCH DCC UncQ] : [0+12+1+1]
No. Series           :  2
No. Obs.             :  1303
Log-Likelihood       :  7471.664
Av.Log-Likelihood    :  5.73

Optimal Parameters
-----------------------------------
                  Estimate  Std. Error  t value Pr(>|t|)
[china1].mu       0.000357    0.000361  0.98949 0.322422
[china1].omega    0.000002    0.000006  0.38182 0.702598
[china1].alpha1   0.055548    0.037055  1.49905 0.133860
[china1].beta1    0.933750    0.043975 21.23383 0.000000
[china1].skew     0.975866    0.034167 28.56168 0.000000
[china1].shape   10.522990    4.346661  2.42094 0.015481
[russia1].mu      0.000445    0.000369  1.20511 0.228159
[russia1].omega   0.000002    0.000005  0.32898 0.742171
[russia1].alpha1  0.069587    0.037944  1.83393 0.066665
[russia1].beta1   0.926947    0.037103 24.98340 0.000000
[russia1].skew    0.986209    0.038487 25.62441 0.000000
[russia1].shape   6.247921    1.783190  3.50379 0.000459
[Joint]mshape     7.983949    0.817489  9.76643 0.000000

Information Criteria
---------------------

Akaike       -11.447
Bayes        -11.391
Shibata      -11.447
Hannan-Quinn -11.426


Elapsed time : 2.589096

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：GARCH模型 ARCH模型 GARCH ARCH RCH