bekk_garch+VAR_BEKK_GARCH+厚尾分布（T分布）+溢出效应检验。

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

先说下做这个的初衷。
从做论文以来 一直集中与各种时间序列模型
包括VAR GARCH SV还有各种非线性模型
从最早的一元garch开始做，后面接触到多元garch。一直有两个模型在我脑中挥之不去，BEKK_GARCH DCC_GARCH.
后面看了那个Tsay的书，对这些有点了解。
DCC_GARCH这个早已经掌握，我这个是用R语言实现。（有点跑题了，下次再说这个）
bekk，我也尝试过用R语言，但是美中不足，R语言中，我寻找良久，好像没有*** 厚尾分布的***（T分布，ged分布）。
昨晚睡前，刷手机，又想到了bekk。同时有点失眠，随 起来准备搞他一下。
刚开始，就是下 这个 winrats。一直听说从没用过的软件。随便导入数据，点击bekk，然后就出来结果了。但是这太傻瓜了，得出的只有输出结果，没有各种检验。
经过我昨晚摸索+今下午尝试，终于解决了。
全部内容包括bekk建模，LM test，ARCH test，wald 溢出效应检验。
环境：winrats7.0
代码和输出截图我给到***附录文件****
*注：但是真的这个rats，用的我很烦躁，有时候明明代码没错，一直报错，重启就又可以了，特别是在wald检验哪里，
有时候要1行1行运行，有时候又要一起运行，作为一个R语言loser，真的搞得浑身难受。

数据：A B两个资产收益序列。时间点1130多个。

=================正文==========================================
第一种：直接对收益率建立BEKK——GARCH
==============================================================
MV-GARCH, BEKK - Estimation by BFGS
Convergence in    43 Iterations. Final criterion was  0.0000079 <=  0.0000100
Usable Observations   1137
Log Likelihood                   -2409.50741583

   Variable                     Coeff       Std Error      T-Stat     Signif
*******************************************************************************
1.  Mean(1)                   -0.60404693   0.02640927    -22.87254  0.00000000
2.  Mean(2)                   -0.56970218   0.02889530    -19.71608  0.00000000
3.  C(1,1)                     0.38562901   0.03759302     10.25800  0.00000000
4.  C(2,1)                     0.17613212   0.02967763      5.93484  0.00000000
5.  C(2,2)                     0.15120476   0.05066848      2.98420  0.00284323
6.  A(1,1)                     0.47447685   0.05020890      9.45005  0.00000000
7.  A(1,2)                     0.07496893   0.04583801      1.63552  0.10194030
8.  A(2,1)                     0.11549185   0.03427387      3.36968  0.00075257
9.  A(2,2)                     0.57723379   0.05605015     10.29852  0.00000000
10. B(1,1)                     0.66976423   0.06351397     10.54515  0.00000000
11. B(1,2)                    -0.16659870   0.05441054     -3.06188  0.00219949
12. B(2,1)                    -0.02249617   0.02814460     -0.79931  0.42411257
13. B(2,2)                     0.82769908   0.04538578     18.23697  0.00000000
14. Shape                     16.71545911   3.46472752      4.82447  0.00000140

Multivariate Q(1)=       0.15303
Significance Level as Chi-Squared(1)=       0.69565
Multivariate Q(1)=       2.65772
Significance Level as Chi-Squared(1)=       0.10305
Multivariate Q(1)=       0.00382
Significance Level as Chi-Squared(1)=       0.95072
Multivariate Q(1)=       0.02975
Significance Level as Chi-Squared(1)=       0.86305

Wald Test
Chi-Squared(2)=      9.501589 or F(2,*)=      4.75079 with Significance Level 0.00864483
Wald Test
Chi-Squared(2)=     14.442402 or F(2,*)=      7.22120 with Significance Level 0.00073092
Wald Test
Chi-Squared(4)=     19.026393 or F(4,*)=      4.75660 with Significance Level 0.00077662

====================================================================
第二种加入sim（1980）自回归结构建立 VAR_BEKK_GARCH
====================================================================
VAR/System - Estimation by Least Squares
Dependent Variable A
Usable Observations   1135      Degrees of Freedom  1130
Mean of Dependent Variable      -0.437789648
Std Error of Dependent Variable  0.806794630
Standard Error of Estimate       0.607554663
Sum of Squared Residuals        417.10861555
Durbin-Watson Statistic             2.089362

   Variable                     Coeff       Std Error      T-Stat     Signif
*******************************************************************************
1.  A{1}                      0.343725366  0.030815039     11.15447  0.00000000
2.  A{2}                      0.225986443  0.030829118      7.33029  0.00000000
3.  B{1}                      0.052768949  0.035255632      1.49675  0.13473696
4.  B{2}                      0.108609869  0.035192705      3.08615  0.00207702
5.  Constant                 -0.157562605  0.021630214     -7.28438  0.00000000

F-Tests, Dependent Variable A
Variable            F-Statistic       Signif
A                       153.7683     0.0000000
B                        24.6897     0.0000000

Dependent Variable B
Usable Observations   1135      Degrees of Freedom  1130
Mean of Dependent Variable      -0.192893903
Std Error of Dependent Variable  1.057809512
Standard Error of Estimate       0.521841553
Sum of Squared Residuals        307.72002506
Durbin-Watson Statistic             2.117574

   Variable                     Coeff       Std Error      T-Stat     Signif
*******************************************************************************
1.  A{1}                      0.032438714  0.026467689      1.22560  0.22060582
2.  A{2}                     -0.039570741  0.026479781     -1.49438  0.13535664
3.  B{1}                      0.564665935  0.030281808     18.64703  0.00000000
4.  B{2}                      0.339581904  0.030227759     11.23411  0.00000000
5.  Constant                 -0.021134688  0.018578649     -1.13758  0.25553729

F-Tests, Dependent Variable B
Variable            F-Statistic       Signif
A                         1.3208     0.2673445
B                      1042.2643     0.0000000


MV-GARCH, BEKK - Estimation by BFGS
NO CONVERGENCE IN 100 ITERATIONS
LAST CRITERION WAS  0.0019851
Usable Observations   1135
Log Likelihood                   -1762.70532645

   Variable                     Coeff       Std Error      T-Stat     Signif
*******************************************************************************
1.  A{1}                      0.369644488  0.027493436     13.44483  0.00000000
2.  A{2}                      0.238075030  0.026015672      9.15122  0.00000000
3.  B{1}                      0.018995124  0.030335086      0.62618  0.53119904
4.  B{2}                      0.111409829  0.029950838      3.71976  0.00019941
5.  Constant                 -0.179944045  0.019397139     -9.27683  0.00000000
6.  A{1}                      0.034736336  0.026173190      1.32717  0.18445165
7.  A{2}                     -0.017835684  0.025517779     -0.69895  0.48458248
8.  B{1}                      0.555802869  0.026064213     21.32437  0.00000000
9.  B{2}                      0.332608891  0.026012150     12.78667  0.00000000
10. Constant                 -0.040767246  0.017651881     -2.30951  0.02091514
11. C(1,1)                    0.488086893  0.060064487      8.12605  0.00000000
12. C(2,1)                    0.062314371  0.110343474      0.56473  0.57225680
13. C(2,2)                    0.195875509  0.393961800      0.49719  0.61905213
14. A(1,1)                    0.239974129  0.072348324      3.31693  0.00091013
15. A(1,2)                    0.145992818  0.063569613      2.29658  0.02164264
16. A(2,1)                    0.033572511  0.077861055      0.43118  0.66633394
17. A(2,2)                    0.264692585  0.068611194      3.85786  0.00011438
18. B(1,1)                    0.346607304  0.294608727      1.17650  0.23939495
19. B(1,2)                   -0.363220341  0.452753145     -0.80225  0.42240947
20. B(2,1)                    0.298226313  0.250222179      1.19185  0.23332162
21. B(2,2)                    0.890821221  0.324231200      2.74749  0.00600538
22. Shape                     8.184735275  1.069853335      7.65033  0.00000000

Multivariate Q(1)=       3.47255
Significance Level as Chi-Squared(1)=       0.06240
Multivariate Q(1)=       2.75608
Significance Level as Chi-Squared(1)=       0.09689
Multivariate Q(1)=       0.02866
Significance Level as Chi-Squared(1)=       0.86556
Multivariate Q(1)=       0.04189
Significance Level as Chi-Squared(1)=       0.83782

Wald Test
Chi-Squared(2)=      5.298103 or F(2,*)=      2.64905 with Significance Level 0.07071825
Wald Test
Chi-Squared(2)=      2.348553 or F(2,*)=      1.17428 with Significance Level 0.30904254
Wald Test
Chi-Squared(4)=      6.994139 or F(4,*)=      1.74853 with Significance Level 0.13619827

===================================================================
有什么问题（关于别的模型的也行）可以留言或者私聊，小问题可以无偿。

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13 回帖

关键词：GARCH bekk ARCH 溢出效应 效应检验

给楼主点赞！！！很好的解决了我的问题

=========================我刚才试了下***s-plus完全可以做=========================
==============================主要结果如下=================================
> summary(hp.ibm.bekk )

Call:
mgarch(formula.mean = hp.ibm ~ 1, formula.var =  ~ bekk(1, 1), cond.dist = "t")

Mean Equation: structure(.Data = hp.ibm ~ 1
, class = "formula"
)

Conditional Variance Equation: structure(.Data =  ~ bekk(1, 1)
, class = "formula"
)

Conditional Distribution:  t
with estimated parameter 6.534302 and standard error 0.5084422

--------------------------------------------------------------

Estimated Coefficients:
--------------------------------------------------------------
                    Value Std.Error t value   Pr(>|t|)
          C(1)  0.0004278 0.0004377  0.9772 3.286e-001
          C(2)  0.0001389 0.0002619  0.5302 5.961e-001
       A(1, 1)  0.0083193 0.0012751  6.5243 8.636e-011
       A(2, 1) -0.0039284 0.0007701 -5.1014 3.692e-007
       A(2, 2)  0.0040097 0.0007563  5.3021 1.272e-007
ARCH(1; 1, 1)  0.2527560 0.0472356  5.3510 9.755e-008
ARCH(1; 2, 1) -0.0774703 0.0265192 -2.9213 3.525e-003
ARCH(1; 1, 2) -0.1663740 0.0827408 -2.0108 4.448e-002
ARCH(1; 2, 2)  0.2873667 0.0489033  5.8762 4.908e-009
GARCH(1; 1, 1)  0.7516171 0.0782296  9.6078 0.000e+000
GARCH(1; 2, 1)  0.1365764 0.0473989  2.8814 4.001e-003
GARCH(1; 1, 2)  0.3899271 0.1335988  2.9186 3.555e-003
GARCH(1; 2, 2)  0.7281379 0.0825787  8.8175 0.000e+000

--------------------------------------------------------------

AIC(14) = -22219.23
BIC(14) = -22140.82

Normality Test:
--------------------------------------------------------------
    Jarque-Bera P-value Shapiro-Wilk    P-value
HP        1058       0       0.9777 4.134e-017
IBM       13044       0       0.9428 3.703e-027

Ljung-Box test for standardized residuals:
--------------------------------------------------------------
    Statistic P-value Chi^2-d.f.
HP     19.58 0.07556         12
IBM     15.65 0.20801         12

Ljung-Box test for squared standardized residuals:
--------------------------------------------------------------
    Statistic P-value Chi^2-d.f.
HP    15.395  0.2206         12
IBM     7.368  0.8324         12

Lagrange multiplier test:
--------------------------------------------------------------
     Lag 1   Lag 2   Lag 3  Lag 4 Lag 5  Lag 6   Lag 7  Lag 8   Lag 9  Lag 10  Lag 11
HP 0.2588 0.95229 -0.0511  2.396 0.137 0.2189 -0.1457 0.3229 -0.3979 -0.2518 -0.6939
IBM 0.4711 0.03324  0.1146 -0.440 1.183 2.2476 -0.1461 0.2136 -0.2972 -0.2621  0.1999

      Lag 12      C
HP -0.01669 2.6356
IBM  0.01324 0.2779

      TR^2 P-value F-stat P-value
HP 14.916  0.2461 1.3663  0.2915
IBM  7.274  0.8390 0.6637  0.8778

大家用rats做wald检验的时候注意一点。WALD检验，有时候有bug。不行就关掉软件，从新打开试下。

#数据分析解读参考
#假设一 不存在 B市场---A市场的波动溢出 原假设
#假设二 不存在A市场---B市场的波动溢出  原假设
#假设三 不存在A B两个市场之家的不存在相互波动溢出 原假设

贝叶斯洛必达 发表于 2020-6-9 00:07
#数据分析解读参考
#假设一 不存在 B市场---A市场的波动溢出 原假设
#假设二 不存在A市场---B市场的波动溢 ...

具体的假设附件中有，检验方法是wald检验

贝叶斯洛必达 发表于 2020-6-8 23:54
大家用rats做wald检验的时候注意一点。WALD检验，有时候有bug。不行就关掉软件，从新打开试下。

忘记说了 那个压缩文件中有 winrats7.0。安装以后直接可以用

贝叶斯洛必达 发表于 2020-6-8 17:08
先说下做这个的初衷。
从做论文以来 一直集中与各种时间序列模型
包括VAR GARCH SV还有各种非线性模型

楼主，你好，我想问一下，你压缩包里面具体是包含了哪些东西

1277432714 发表于 2020-7-9 10:24
楼主，你好，我想问一下，你压缩包里面具体是包含了哪些东西

数据 code 软件的输出结果 txt格式和照片格式，外加winrats软件