首頁
» 分析方法 » 廣義自我迴歸條件異質變異模式(GARCH)
GARCH為時間數列分析中常見的方法,最早由美國經濟學家恩格爾(Robert Fry Engle III, 1942-)於1982年之計量經濟期刊Econometrica提出ARCH模式,討論時間數列資料中的變異數會受時間影響而變化,即時間數列模式中有非常數的變異數。隨後他的學生Bollerslev於1986年加以推廣為GARCH模式,陸續有許多學者將此模式加以推廣,如Nelson(1991)的EGARCH及Tsay(1987)的CHARMA模式,此系列模式可說是計量經濟與時間數列領域中廣受專家學者使用的方法。
此模式處理的資料仍為具有時間的相依性(依變數),主要對象為當資料具群聚(clustering)現象時經配適模式後其殘差具異質變異。高頻率資料,常有此現象產生。當資料無異質變異時,建議改以 整合移動平均自我迴歸模式(autoregressive integrated moving average model, ARIMA)分析資料的趨勢即可。
本方法使用之R相關套件與參考文獻:
相關套件:stats、base、rugarch、forecast、nortest、FinTS
參考文獻:(依套件名稱排序)
此模式處理的資料仍為具有時間的相依性(依變數),主要對象為當資料具群聚(clustering)現象時經配適模式後其殘差具異質變異。高頻率資料,常有此現象產生。當資料無異質變異時,建議改以 整合移動平均自我迴歸模式(autoregressive integrated moving average model, ARIMA)分析資料的趨勢即可。
本方法使用之R相關套件與參考文獻:
相關套件:stats、base、rugarch、forecast、nortest、FinTS
參考文獻:(依套件名稱排序)
- R Core Team (2013). R: A language and environment for statistical computing. R Foundation for Statistical Computing, Vienna, Austria. URL: http://www.R-project.org/.
- Alexios Ghalanos (2014). rugarch: Univariate GARCH models. R package version 1.3-1.
- Rob J Hyndman with contributions from George Athanasopoulos, Slava Razbash, Drew Schmidt, Zhenyu Zhou, Yousaf Khan, Christoph Bergmeir and Earo Wang (2014). forecast: Forecasting functions for time series and linear models. R package version 5.0. URL:http://CRAN.R-project.org/package=forecast
- Juergen Gross and bug fixes by Uwe Ligges (2012). nortest: Tests for Normality. R package version 1.0-2. URL:http://CRAN.R-project.org/package=nortest
- Spencer Graves (2012). FinTS: Companion to Tsay (2005) Analysis of Financial Time Series. R package version 0.4-4. URL:http://CRAN.R-project.org/package=FinTS
範例F-2:
股票市場至今已有四百年歷史,從最早的集資與資金及利息運作, 到現在各種類型的股票市場交易,錯縱複雜且利益龐大,並牽涉到國與國之間的經濟問題。國家股市的繁榮間接表現出該國經濟的發展。同時,經濟規模較小的國家針對經濟規模龐大的國家常有經濟依賴現象,造成不同國家股市的指數相互影響。 亞洲某國家的經濟研究員想要了解股票市場的指數走向的影響因素,收集了自2009年至2011年的該國家股市的股價指數, 並收集同時間美國市場的股價指數,資料列於下表中,因不同國家間有時差及節日的差異性,故下表資料已經過處理,剔除非同時存在的資料, 處理後的資料共有2164筆。
Q1:研究員想了解該國市場股價指數的變異是否有異質效應?是否具異質變異?
問題解析:主要變數”市場股價指數”為與時間有相關的資料,適合時間數列分析。
統計方法:問題中的主要變數為市場股價指數。討論資料是否具異質變異,可採用的分析方法為廣義自我迴歸條件異質變異模式(GARCH)。[重新分析]
股票市場至今已有四百年歷史,從最早的集資與資金及利息運作, 到現在各種類型的股票市場交易,錯縱複雜且利益龐大,並牽涉到國與國之間的經濟問題。國家股市的繁榮間接表現出該國經濟的發展。同時,經濟規模較小的國家針對經濟規模龐大的國家常有經濟依賴現象,造成不同國家股市的指數相互影響。 亞洲某國家的經濟研究員想要了解股票市場的指數走向的影響因素,收集了自2009年至2011年的該國家股市的股價指數, 並收集同時間美國市場的股價指數,資料列於下表中,因不同國家間有時差及節日的差異性,故下表資料已經過處理,剔除非同時存在的資料, 處理後的資料共有2164筆。
時間(年/月/日) | 2009/01/02 | 2009/01/03 | ... | 2011/12/21 |
亞洲某市場股價指數 | 459.27 | 459.11 | ... | 957.59 |
美國市場股價指數 | 751.96 | 743.58 | ... | 1575.93 |
Q1:研究員想了解該國市場股價指數的變異是否有異質效應?是否具異質變異?
問題解析:主要變數”市場股價指數”為與時間有相關的資料,適合時間數列分析。
統計方法:問題中的主要變數為市場股價指數。討論資料是否具異質變異,可採用的分析方法為廣義自我迴歸條件異質變異模式(GARCH)。
範例F-2:
股票市場至今已有四百年歷史,從最早的集資與資金及利息運作, 到現在各種類型的股票市場交易,錯縱複雜且利益龐大,並牽涉到國與國之間的經濟問題。國家股市的繁榮間接表現出該國經濟的發展。同時,經濟規模較小的國家針對經濟規模龐大的國家常有經濟依賴現象,造成不同國家股市的指數相互影響。 亞洲某國家的經濟研究員想要了解股票市場的指數走向的影響因素,收集了自2009年至2011年的該國家股市的股價指數, 並收集同時間美國市場的股價指數,資料列於下表中,因不同國家間有時差及節日的差異性,故下表資料已經過處理,剔除非同時存在的資料, 處理後的資料共有2164筆。
Q2:研究員想了解該國市場股價指數除了具有群集效應及/或異質變異問題外,是否也會受前期指數影響呢?
問題解析:討論的變數市場股價指數為與時間相關的資料,適合時間數列分析。
統計方法:可採用的分析方法為廣義自我迴歸條件異質變異模式(GARCH);在此模式中可於均數方程式(mean equation)中配適P階自我迴歸(ARP)。[重新分析]
股票市場至今已有四百年歷史,從最早的集資與資金及利息運作, 到現在各種類型的股票市場交易,錯縱複雜且利益龐大,並牽涉到國與國之間的經濟問題。國家股市的繁榮間接表現出該國經濟的發展。同時,經濟規模較小的國家針對經濟規模龐大的國家常有經濟依賴現象,造成不同國家股市的指數相互影響。 亞洲某國家的經濟研究員想要了解股票市場的指數走向的影響因素,收集了自2009年至2011年的該國家股市的股價指數, 並收集同時間美國市場的股價指數,資料列於下表中,因不同國家間有時差及節日的差異性,故下表資料已經過處理,剔除非同時存在的資料, 處理後的資料共有2164筆。
時間(年/月/日) | 2009/01/02 | 2009/01/03 | ... | 2011/12/21 |
亞洲某市場股價指數 | 459.27 | 459.11 | ... | 957.59 |
美國市場股價指數 | 751.96 | 743.58 | ... | 1575.93 |
Q2:研究員想了解該國市場股價指數除了具有群集效應及/或異質變異問題外,是否也會受前期指數影響呢?
問題解析:討論的變數市場股價指數為與時間相關的資料,適合時間數列分析。
統計方法:可採用的分析方法為廣義自我迴歸條件異質變異模式(GARCH);在此模式中可於均數方程式(mean equation)中配適P階自我迴歸(ARP)。
範例F-2:
股票市場至今已有四百年歷史,從最早的集資與資金及利息運作, 到現在各種類型的股票市場交易,錯縱複雜且利益龐大,並牽涉到國與國之間的經濟問題。國家股市的繁榮間接表現出該國經濟的發展。同時,經濟規模較小的國家針對經濟規模龐大的國家常有經濟依賴現象,造成不同國家股市的指數相互影響。 亞洲某國家的經濟研究員想要了解股票市場的指數走向的影響因素,收集了自2009年至2011年的該國家股市的股價指數, 並收集同時間美國市場的股價指數,資料列於下表中,因不同國家間有時差及節日的差異性,故下表資料已經過處理,剔除非同時存在的資料, 處理後的資料共有2164筆。
Q3:問題中的市場股價指數是否也受美國市場股價指數的影響?
問題解析:變數”市場股價指數”為與時間相關的資料,適合時間數列分析。
統計方法:可採用分析方法為廣義自我迴歸條件異質變異模式(GARCH);於均數方程式(mean equation)中配適P階自我迴歸(ARP)以及迴歸自變數(美國市場股價指數)。
[重新分析]
股票市場至今已有四百年歷史,從最早的集資與資金及利息運作, 到現在各種類型的股票市場交易,錯縱複雜且利益龐大,並牽涉到國與國之間的經濟問題。國家股市的繁榮間接表現出該國經濟的發展。同時,經濟規模較小的國家針對經濟規模龐大的國家常有經濟依賴現象,造成不同國家股市的指數相互影響。 亞洲某國家的經濟研究員想要了解股票市場的指數走向的影響因素,收集了自2009年至2011年的該國家股市的股價指數, 並收集同時間美國市場的股價指數,資料列於下表中,因不同國家間有時差及節日的差異性,故下表資料已經過處理,剔除非同時存在的資料, 處理後的資料共有2164筆。
時間(年/月/日) | 2009/01/02 | 2009/01/03 | ... | 2011/12/21 |
亞洲某市場股價指數 | 459.27 | 459.11 | ... | 957.59 |
美國市場股價指數 | 751.96 | 743.58 | ... | 1575.93 |
Q3:問題中的市場股價指數是否也受美國市場股價指數的影響?
問題解析:變數”市場股價指數”為與時間相關的資料,適合時間數列分析。
統計方法:可採用分析方法為廣義自我迴歸條件異質變異模式(GARCH);於均數方程式(mean equation)中配適P階自我迴歸(ARP)以及迴歸自變數(美國市場股價指數)。