关于双变量EGARCH在WINRATS中的问题！！

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

以下是我的输出结果，我的版本是6.20.

第一种是用BHHH算法估计的

MV-GARCH, BEKK - Estimation by BHHH
Convergence in     1 Iterations. Final criterion was     NA     <  0.0000100
Daily(5) Data From 2005:09:14 To 2007:10:31
Usable Observations    532
 Total Observations    556      Skipped/Missing       24
Log Likelihood                        NA

   Variable                     Coeff       Std Error      T-Stat     Signif
*******************************************************************************
1.  Mean(1)                       NA          0.000000      0.00000  0.00000000
2.  Mean(2)                       NA          0.000000      0.00000  0.00000000
3.  C(1,1)                        NA          0.000000      0.00000  0.00000000
4.  C(2,1)                        NA          0.000000      0.00000  0.00000000
5.  C(2,2)                        NA          0.000000      0.00000  0.00000000
6.  A(1,1)                        NA          0.000000      0.00000  0.00000000
7.  A(1,2)                        NA          0.000000      0.00000  0.00000000
8.  A(2,1)                        NA          0.000000      0.00000  0.00000000
9.  A(2,2)                        NA          0.000000      0.00000  0.00000000
10. B(1,1)                        NA          0.000000      0.00000  0.00000000
11. B(1,2)                        NA          0.000000      0.00000  0.00000000
12. B(2,1)                        NA          0.000000      0.00000  0.00000000
13. B(2,2)                        NA          0.000000      0.00000  0.00000000
14. D(1,1)                        NA          0.000000      0.00000  0.00000000
15. D(1,2)                        NA          0.000000      0.00000  0.00000000
16. D(2,1)                        NA          0.000000      0.00000  0.00000000
17. D(2,2)                        NA          0.000000      0.00000  0.00000000
18. Shape                         NA          0.000000      0.00000  0.00000000

第二种是用BFGS算法估计的

GARCH(P=1,Q=1,MV=BEKK,method=BHHH,RVECTORS=RESI,HMATRICES=VARI,DIST=T,ASYMMETRIC) / FWDDIFF NDFDIFF

MV-GARCH, BEKK - Estimation by BFGS
NO CONVERGENCE IN 4 ITERATIONS
LAST CRITERION WAS  0.0000000
SUBITERATIONS LIMIT EXCEEDED. ESTIMATION POSSIBLY HAS STALLED OR MACHINE ROUNDOFF IS MAKING FURTHER PROGRESS DIFFICULT.
TRY HIGHER SUBITERATIONS LIMIT, TIGHTER CVCRIT, DIFFERENT SETTING FOR EXACTLINE OR ALPHA ON NLPAR.
RESTARTING ESTIMATION FROM LAST ESTIMATES OR DIFFERENT INITIAL GUESSES MIGHT ALSO WORK
Daily(5) Data From 2005:09:14 To 2007:10:31
Usable Observations    532
 Total Observations    556      Skipped/Missing       24
Log Likelihood                        NA

   Variable                     Coeff       Std Error      T-Stat     Signif
*******************************************************************************
1.  Mean(1)                      -0.00017      0.00014     -1.21273  0.22523389
2.  Mean(2)                      -0.00017      0.00012     -1.37521  0.16906733
3.  C(1,1)                        0.00102      0.00013      7.73581  0.00000000
4.  C(2,1)                        0.00066      0.00019      3.54879  0.00038700
5.  C(2,2)                        0.00079      0.00012      6.50627  0.00000000
6.  A(1,1)                        0.05000      1.72421      0.02900  0.97686553
7.  A(1,2)                        0.05000      2.10118      0.02380  0.98101525
8.  A(2,1)                        0.05000      0.86017      0.05813  0.95364674
9.  A(2,2)                        0.05000      1.30620      0.03828  0.96946517
10. B(1,1)                        0.05000      1.64246      0.03044  0.97571445
11. B(1,2)                        0.05000      1.91498      0.02611  0.97916968
12. B(2,1)                        0.05000      1.61198      0.03102  0.97525544
13. B(2,2)                        0.05000      1.87957      0.02660  0.97877729
14. D(1,1)                        0.00000  86182.73022      0.00000  1.00000000
15. D(1,2)                        0.00000  70233.54751      0.00000  1.00000000
16. D(2,1)                        0.00000  31689.71694      0.00000  1.00000000
17. D(2,2)                        0.00000   4044.55077      0.00000  1.00000000
18. Shape                         5.00000      2.23938      2.23276  0.02556462

渴望寻求论坛上的前辈们指点！谢谢！！

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1 回帖

关键词：双变量EGARCH WinRATS winrat EGARCH GARCH 变量 EGARCH WinRATS

另外我要用什么命令来改初始值和迭代次数呢？！

我觉得你根本没看懂winrats中多元garch的程序，要先学一下最基本（不妨从单方程garch）开始看起。修改初始值和迭代次数就是程序中的一两行命令，不费事。

出现na，说明无法收敛，在确定程序正确的基础上，可适当调整初值。毕竟BHHH属于梯度最优算法，容易形成局部最优值。

出现na，说明无法收敛，在确定程序正确的基础上，可适当调整初值。毕竟BHHH属于梯度最优算法，容易形成局部最优值。

多谢楼上的前辈指点，我看到菜单上有这个GARCH选项，就试着运行一下了。

另外请教一下是否做双变量EGARCH需要编程来实现？

谢谢！！

hchyy 发表于 2008-7-31 19:20
我觉得你根本没看懂winrats中多元garch的程序，要先学一下最基本（不妨从单方程garch）开始看起。修改初始值 ...

我也需要做这个模型，我想学winrats，我该从哪里学起啊？中文教程有嘛

110teddy 发表于 2012-2-17 20:35
我也需要做这个模型，我想学winrats，我该从哪里学起啊？中文教程有嘛

RATS 8 Users Guide.pdf
Chapter 9: ARCH and GARCH
page ug-299
VARIANCES option
These last three methods (DIAG, CC and DCC) all require models for the variances of
the individual processes. The default is a standard garch model with each having
the same number of garch parameters. You can make three other choices for this.
The first is VARIANCES=EXP, which gives the multivariate e-garch model

epoh老师 你把winrats相关的学习文件整理一下吧  更加系统