《表7 ARMA-ARCH模型参数估计结果》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于ARMA-ARCH模型的上证指数应用研究》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

参数估计作为系统建模过程中的关键环节，其估计的精确度决定了拟合模型对于经济变量的解释程度。确定ARMA (2，2）＿1模型作为主体模型之后，建立残差序列的ARCH (3）修正模型来估计未知参数。通过表7可以看出，ARMA-ARCH模型的参数估计结果主要分为两个方面，一方面是利用ARMA (2，2）＿1模型作为最优模型建立的均值模型，其所有参数的z统计量都非常显著，在给定5%的显著水平下，各参数的概率值都为p=0.0000<α=0.05，即认为ARMA (2，2）＿1模型中的所有参数都是显著的。另一方面，表7中也给出了利用ARCH (3）模型对上证指数月对数收益率序列建立的波动率模型，其中前两项参数的显著性概率p值都为0.0000，后两项参数的显著性概率p值介于0.0000到0.05之间，说明在给定5%的显著水平下，ARCH (3）模型中的所有参数都是合理的。另外，最终模型的拟合优度为0.035高于之前的ARMA (2，2）＿1最优模型的拟合优度0.032，其调整后的拟合优度为0.014，回归标准误差为12.537，说明拟合效果更好。根据AIC准则和BIC优化准则比较可知，最终模型的AIC=7.417，BIC=7.511，两者均比之前模型的数值小，也说明最终模型更具有代表性。