eviews中ggarch模型总有一项不显著

相似文件 换一批

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

就是方差那里第一个一直显著不了

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 EVIEWS Eview Views

在EViews中使用GARCH（广义自回归条件异方差）模型，如果发现某些参数不显著（即t统计量的绝对值小于2），这可能是由于数据特征、模型设定或样本大小等因素导致的。对于GARCH模型中的第一个常数项（通常是长期波动率水平的估计）如果不显著，有几种可能的原因和相应的解决策略：

1. **数据预处理**：检查是否存在异常值或者极端观察值，这些可能会对模型参数产生影响。可以通过数据平滑或删除明显不合理的观测值来改善。

2. **模型设定**：考虑模型是否适合你的数据特性。GARCH(1,1)是最常见的形式，但也有更复杂的变体如EGARCH、TGARCH等，它们可以捕捉不同的波动性特征。如果常数项不显著，可能是当前的GARCH阶数或特定类型不适合数据。

3. **样本大小**：小样本可能会导致参数估计不稳定和标准误差较大，进而影响显著性。增加样本量（如果有足够的时间序列长度）可能有助于提高参数估计的精度。

4. **优化算法**：EViews使用最大似然法来估计GARCH模型参数，但不同的初始值或优化算法设置可能会影响结果。尝试改变这些设定，看是否能获得更稳定的估计结果。

5. **理论解释**：理论上讲，如果数据波动性较低或者波动模式较为规则（即接近恒定），长期波动率的常数项可能确实不显著。这种情况下，模型仍然可以提供关于条件异方差的信息，只是它的形式可能更加简单。

6. **变量选择和控制**：检查是否遗漏了重要的解释变量或控制变量，这些变量可能会影响波动性模式。增加相关变量可以帮助提高模型拟合度和参数估计的精确性。

如果上述策略都无法改善常数项的显著性，那么可能需要重新审视你的研究问题和数据特性，以确定GARCH模型是否是最佳的选择，或者是否有其他更合适的分析方法。在学术研究中，有时也需要接受某些系数不显著的结果，并从理论角度进行解释，只要整体模型和其它参数提供了有意义的信息即可。

此文本由CAIE学术大模型生成，添加下方二维码，优先体验功能试用