在GARCH模型中得到的残差序列实际上是收益率序列减去其预测值（均值）之后再经过条件方差标准化的结果。如果你想要从这组新产生的残差序列反推到收益率序列，你需要知道两个关键信息：
1. **预测的收益率**：即GARCH模型预测的每个时间点的收益率预期。
2. **条件方差**：这是GARCH模型的关键输出之一，代表了在每个时点上预测的收益率波动性或风险。
有了这两项，你可以通过下面的公式反推到收益率序列：
\[ r_t = \hat{r}_t + \varepsilon_t\sqrt{\hat{\sigma}^2_t} \]
其中：
- \( r_t \) 是实际的收益率。
- \( \hat{r}_t \) 是预测的收益率（通常等于均值）。
- \( \varepsilon_t \) 是从Copula函数和蒙特卡洛模拟得到的标准残差序列。
- \( \sqrt{\hat{\sigma}^2_t} \) 是条件方差的平方根，即每个时间点上预测的风险。
在EViews中操作步骤如下：
1. **保存GARCH模型的输出**：当你运行GARCH模型后，在结果窗口点击“Proc”->“Make Residual Series”，这会生成一个残差序列。同样地，“Proc”->“Save Coefficients/Std Errors/Stats”可以让你保存预测的条件方差。
2. **使用新产生的残差序列**：假设你已经通过Monte Carlo模拟得到了一组新的标准残差序列，命名为`new_residuals`。
3. **计算收益率序列**：
- 首先加载或重新获取GARCH模型输出中的预测均值和条件方差序列。
- 使用EViews的工作文件窗口或者程序语句来创建一个新系列用于保存收益率。例如：
```
series returns = mean_forecast + new_residuals*sqrt(variance_forecast)
```
4. **检查结果**：通过绘制或输出`returns`序列，你可以验证计算是否正确。
请注意，在实际操作中，确保所有步骤中的数据对齐和时间点一致非常重要。如果在操作过程中遇到问题，仔细检查数据长度、起始点等是否匹配将有助于诊断错误。
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
发帖
雷达卡
加好友,备注jltj
京公网安备 11010802022788号
论坛法律顾问：王进律师
知识产权保护声明
免责及隐私声明
