dcc-garch模型 R结果解读

Question

              Estimate  Std. Error     t value Pr(>|t|)
[rst].mu     -0.037425    0.018079    -2.07012 0.038441
[rst].ar1     0.067412    0.044880     1.50205 0.133084
[rst].mxreg1  0.006792    0.004501     1.50902 0.131294
[rst].omega   0.008756    0.039291     0.22286 0.823643
[rst].alpha1  0.055722    0.064151     0.86860 0.385064
[rst].beta1   0.943278    0.116164     8.12022 0.000000
[rst].shape   3.086583    1.014568     3.04226 0.002348
[rft].mu     -0.031836    0.033319    -0.95547 0.339339
[rft].ar1     0.148419    0.021904     6.77577 0.000000
[rft].mxreg1  0.006045    0.007031     0.85981 0.389893
[rft].omega   0.002519    0.001532     1.64415 0.100145
[rft].alpha1  0.015551    0.001585     9.80918 0.000000
[rft].beta1   0.983449    0.000073 13555.95625 0.000000
[rft].shape   4.568293    0.616480     7.41029 0.000000
[Joint]dcca1  0.031406    0.042079     0.74635 0.455458
[Joint]dccb1  0.811916    0.498677     1.62814 0.103495

这些系数代表什么呀？

Answer 1

让阿豪来帮你解答，本回答参考chatgpt3.5编写提供，如果还有疑问可以评论或留言

这些系数代表时间序列模型中的各个参数或者统计量，具体含义如下：

• mu：平均值或者常数项。
• ar1：自回归项，代表当前观测值和过去观测值之间的线性关系。
• mxreg1：外生变量的系数，如果模型中包含了外生变量。
• omega：方差项，代表当前观测值和平均值之间的离散程度。
• alpha1：ARCH模型中的自相关项，代表当前方差和过去方差之间的线性关系。
• beta1：ARCH模型中的GARCH项，代表波动率的长期记忆程度。
• shape：GARCH模型中的残余分布形态参数。
• dcca1：联合DCCA分析中，两个时间序列之间的关联度。 例如，在上述输出中，第一行的mu系数为-0.037425，代表时间序列模型中的常数项或者平均值为-0.037425。第二行的ar1系数为0.067412，代表当前的观测值与前一个观测值之间存在线性关系。第九行的shape系数为3.086583，代表GARCH模型中的残余分布形态参数为3.086583。