在进行garch模型的时候，我把数据按某个时间点分成了前后两组，分别分析并对比前后两变量间的溢出效应，整体样本和前样本都没问题，但是时间节点后的样本在单独分析时有一个变量不具有arch效应了，还能继续用二元garch分析吗
在建立二元garch模型的时候，一组数据有ARCH效应，一组数据没有ARCH效应，能不能建立二元garch模型进行分析？
- 写回答
- 好问题 0 提建议
- 关注问题
分享- 邀请回答
-
1条回答 默认 最新
关注- 这篇博客: 清风数学建模代码笔记2（更新课_1中的 7.时间序列分析_arch和garch模型 部分也许能够解决你的问题, 你可以仔细阅读以下内容或跳转源博客中阅读:
arch：自回归条件异方差模型（garch即广义***）
引入：一些数据长期平稳，但是短期来看方差不稳定（存在异方差称为条件异方差）
ACF图决定MA（q）的q PACF决定AR（p）的p
这一部分和时间序列不太明白...
解决 无用评论 打赏举报 分享- 这篇博客: 清风数学建模代码笔记2（更新课_1中的 7.时间序列分析_arch和garch模型 部分也许能够解决你的问题, 你可以仔细阅读以下内容或跳转源博客中阅读:
- 2025-08-29 13:24DCC-GARCH模型在金融数据分析中的应用，涵盖四个主要步骤：平稳性检验、ARCH检验、GARCH模型估计和动态相关系数分析。首先，通过ADF测试检查数据的平稳性，确保后续分析的有效性。接着，采用ARCH检验判断是否存在...
- 2022-04-10 19:23为方便分析，我们对道琼斯混合指数日收盘价格的对数数据进行研究，发现其对数数据可以构建随机游走模型，请利用Eviews软件对模型的残差序列进行ARCH检验，并分别构建ARCH（2）模型和GARCH（1,1）模型。 4、要求实验...
- 2025-07-29 21:19DCC-GARCH模型在金融数据分析中的应用，涵盖平稳性检验、ARCH检验、GARCH模型估计及动态相关系数分析四个主要步骤。首先，通过ADF测试确保数据的平稳性；其次，采用拉格朗日乘数检验判断是否存在ARCH效应；接着，...
- 2022-10-14 14:34ARCH与GARCH模型 ARCH 模型是由 Robert Engle 研究发展出来的，用于解决具有异方差误差的回归模型问题。在 ARCH 模型中，误差项的方差依赖于过去的误差大小，使用自回归条件异方差模型来描述这种关系。 定义：...
- 2022-04-19 15:13* ARCH模型和GARCH模型都是解决异方差问题的模型，但GARCH模型可以更好地拟合时间序列数据。 * 本文比较了ARCH模型和GARCH模型的预测效果，结果表明GARCH模型的预测效果较好。 知识点五：模型应用 * ARCH模型和...
- 2021-12-23 19:29张陈亚的博客 Python基于波动率模型(ARCH和GARCH)进行股票数据分析项目实战
- 2025-09-05 17:40码农三叔的博客 摘要：本文介绍了ARCH和GARCH模型在金融时间序列分析中的应用。ARCH模型（1982年提出）和GARCH模型（1986年扩展）主要用于捕捉金融数据（如股票收益率）的波动率聚类特征。通过贵州茅台股票数据实例，展示了如何构建...
- 2022-07-14 19:32GARCH（Generalized Autoregressive Conditional Heteroskedasticity，广义自回归条件异方差性）模型是一种在金融时间序列分析中广泛使用的统计工具，尤其在处理波动性聚类现象时非常有效。波动性聚类指的是资产价格...
- 2024-10-30 15:01GARCH模型是一种动态的条件异方差模型，不仅包含了ARCH模型的特性，还能有效地利用历史信息来预测未来时刻的波动率。GARCH模型的一般形式为GARCH(p,q)，其中p代表条件方差中过去波动率的阶数，q代表条件方差中过去...
- 2011-05-31 17:41### 在SAS中拟合ARCH_GARCH模型 #### 摘要 在现代时间序列分析领域，各种软件程序发挥着至关重要的作用，其中SAS（Statistical Analysis System）作为统计分析的强大工具，被广泛应用于各个行业中。ARCH ...
- 2010-05-25 09:37### ARCH-GARCH模型详解 #### 一、时间序列波动性的概念与特征 时间序列波动性主要指的是资产回报的条件方差（conditional variance），这在金融领域尤为重要。在传统的AR(1)模型中，如： \[ y_{t+1} = \beta_1 y_...
- 2021-01-08 05:58前几天帮人做了一个滚动garch模型，刚开始那个人没搞清楚，走了很多弯路，最后终于搞好了，主要就是没有有效的沟通好。 接下来就是分析我写roll-garch的思路。 其实roll-garch模型在rugarch里面其实是有的。但是，我...
- 2024-07-28 09:30云上西的博客 深证成份股指数是深圳证券交易所...我们将时间区间选取为2014年1月至2018年5月，共计1064个交易日的收盘价数据，在下文中，分别建立了ARMA模型和GARCH模型对其收益率进行了预测，得到了良好的结果。（ 代号：399003 ）
- 2024-11-16 11:11最后深入探讨了波动率模型，尤其是ARCH（m）模型及其衍生的GARCH模型，并提供了这些模型在实际金融数据分析与预测中的具体应用场景。 适合人群：具有较高专业知识背景的金融专业学生、研究人员或金融分析师。 使用...
- 2024-08-02 19:51像一只黄油飞的博客 ARCH 模型 （ Autoregressive conditional heteroskedasticity model ）全称“自回归条件异方差模型”，在现代高频金融时间序列中，数据经常出现波动性聚集的特点，但从长期来看数据是平稳的，即长期方差（无条件...
- 2021-01-26 16:55张张同学！的博客 ARCH和GARCH模型一.概述二.ARCH模型优化方向三.模型1.总体模型2.优化实质3.ARCH(q)模型4.GARCH(p,q)模型5.检验GARCH效应【1】概述【2】算法：LM检验6.何时使用ARCHARCHARCH或GARCHGARCHGARCH模型四.一个实例1.摘要2....
- 2022-07-15 07:17在金融时间序列分析中，GARCH（Generalized Autoregressive Conditional Heteroskedasticity，广义自回归条件异方差）模型是一个重要的工具，它用于描述数据波动性的时变特性。标题中的"ucsd_garch.zip_bekk_bekk-...
- 2024-08-23 19:51感谢地心引力的博客 归根结底还是模型不能捕捉原始数据的特征，模型不好可能是一个方面，但： 有时候改进预测模型可能不是我们的目的，比如金融数据，存在异方差，说明对数据（如收益率）的预测难度较大，表明市场可能会有显著的波动，...
- 2022-10-15 13:33实验七主要关注的是自回归条件异方差（ARCH）模型及其广义版本（GARCH）在金融数据中的应用。这些模型是用来研究金融时间序列，如股票收益率的波动性。GARCH模型能够捕捉到数据中的波动性聚集现象，即一段时间内市场...
- 2022-01-12 21:18在上述示例中，通过构建收益率序列并进行简单的线性回归，检查残差的ARCH LM Test结果，可以判断是否需要引入ARCH或GARCH模型来更好地描述数据的波动性。如果检验结果显示显著的统计意义，那么就表明存在ARCH效应，...
- 没有解决我的问题, 去提问
问题事件
创建了问题
4月30日