stata mgarch dcc结果解释

请教一下各位高手，stata   的mgarch dcc如何解释，命令是mgarch dcc (honda nissan = L.honda L.nissan), arch(1) garch(1)   ，                           honda是本田股票日的收益率，nissan是日产股票日收益率，我现在只知道，本测试是看  nissan的波动影响honda 的波动，wald检验P值是0.0036在1％的水平上显著，honda和nissan的相关系数是0.63，t值是32.8，在1％的水平上显著，其他结果不知道什么含义，也看了help文件里的例子，没找到怎么解释的，感谢各位。

我最近也在做这个，应该是还要看ARCH参数和GARCH参数，他们俩加起来得小于1。ARCH参数是残差项平方滞后一期的系数，GARCH参数是方差的上一期预测的系数。方差方程就是方差=常数项+ARCH系数*残差项平方滞后+GARCH系数*方差滞后。这里看看加起来是不是小于1应该就够了。然后要得出时变相关系数图的话，就predict a*,correlation
然后时变相关系数就变成变量在表里了，就可以画图了

另外，借楼问一下路过大神，ARCH参数和GARCH参数的正负性有要求吗？我有一组结果是ARCH参数和GARCH参数都是负数，加起来接近-1，是不是有问题啊。。慌张

18811576377 发表于 2020-3-13 21:13
我最近也在做这个，应该是还要看ARCH参数和GARCH参数，他们俩加起来得小于1。ARCH参数是残差项平方滞后一期 ...

谢谢，您的意思是ARCH和GARCH的系数，两个系数加起来小于1吗？那小于1说明了什么呢？

请问能不能发一下stata的代码啊，我最近也在做论文，实在弄不明白了

请问，dcc garch里两个序列的arch 和 garch系数和分别做garch(1,1)得到的是一样的吗

在Stata中使用mgarch dcc命令分析本田和日产股票日收益率之间的动态条件相关性（Dynamic Conditional Correlation），这个过程主要关注两个变量间的波动性和它们之间关系的变化。你提到的命令`mgarch dcc (honda nissan = L.honda L.nissan), arch(1) garch(1)`，是在设定一个DCC-MGARCH模型，其中包含AR(1)和GARCH(1,1)过程。

### 解释关键输出：

- **Wald检验的P值**：0.0036表明在拒绝零假设（即两个变量之间的波动性独立）方面具有统计显著性。换句话说，在1%的显著水平下，你有理由相信日产股票收益率的波动确实影响本田股票收益率的波动。

- **相关系数为0.63**：这表示本田和日产的日收益率之间存在中等到高的正相关性。当一个股票价格上涨时，另一个也倾向于上涨；反之亦然，但这种关系不是完美的线性关系。

### 其他结果解释：

- **ARCH(1) 和 GARCH(1,1)**参数表明你使用了一个特定的GARCH模型变体来估计条件方差的过程。这意味着当前的波动率不仅依赖于过去的价格变化（ARCH部分），还依赖于过去的波动率水平（GARCH部分）。

- 在DCC框架下，相关系数是动态调整的，它会随时间变化，这反映了两个资产之间关系的不稳定性或时变性。因此，在模型估计后得到的相关系数0.63可以看作是在你的样本期间平均的相关性程度。

### 进一步分析：

- **残差图**和**ACF/PACF图**：检查这些可以帮助你验证模型是否正确捕获了数据的动态特性，以及是否存在未被模型解释的模式。
  
- **参数估计的显著性和标准误**：关注每个参数的t值或z值及其p值，以了解哪些参数对波动率和相关性的影响是统计上显著的。

通过这些分析，你可以更深入地理解本田和日产股票收益之间的关系动态，并进一步探索这种关系在不同市场条件下的变化。这对于风险管理和投资策略制定都有重要意义。

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