在 EViews中ARCH模型是在误差是条件正态分布的假定下,通过极 大似然函数方法估计的。例如,对于 GARCH(1,1),t时期的对数似然 函数为: L,=--log( 2T)--log (183) 其中 0+(y21-x1y)2+/B1=+a2+61(84 这个说明通常可以在金融领域得到解释,因为代理商或贸易商可以 通过建立长期均值的加权平均(常数),上期的预期方差( GARCH项) 和在以前各期中观测到的关于变动性的信息、(ARCH项)来预测本期的 方差。如果上升或下降的资产收益出乎意料地大,那么贸易商将会增加 对下期方差的预期。这个模型还包括了经常可以在财务收益数据中看到 的变动组,在这些数据中,收益的巨大变化可能伴随着更进一步的巨大 变化8 在EViews中ARCH模型是在误差是条件正态分布的假定下，通过极 大似然函数方法估计的。例如，对于GARCH (1, 1)， t 时期的对数似然 函数为： (18.3) 其中 (18.4) 这个说明通常可以在金融领域得到解释，因为代理商或贸易商可以 通过建立长期均值的加权平均（常数），上期的预期方差（GARCH项） 和在以前各期中观测到的关于变动性的信息（ARCH项）来预测本期的 方差。如果上升或下降的资产收益出乎意料地大，那么贸易商将会增加 对下期方差的预期。这个模型还包括了经常可以在财务收益数据中看到 的变动组，在这些数据中，收益的巨大变化可能伴随着更进一步的巨大 变化。 2 2 2 ( ) / 2 1 log 2 1 log( 2 ) 2 1 t t t t t l = −  −  − y − x   2 1 2 1 2 1 2 1 1 2 ( ) − − + − = + − + − = + −  t t t t ut t    y x       