Dependent Variable: Y                               
Method: ML - ARCH (Marquardt) - Normal distribution                               
Date: 03/08/11   Time: 20:29                               
Sample (adjusted): 4/23/2010 12/31/2010                               
Included observations: 169 after adjustments                               
Convergence achieved after 44 iterations                               
MA Backcast: 4/19/2010 4/22/2010                               
Presample variance: backcast (parameter = 0.7)                               
GARCH = C(6) + C(7)*RESID(-1)^2 + C(8)*RESID(-1)^2*(RESID(-1)<0) +                               
        C(9)*GARCH(-1)                               
                               
Variable        Coefficient        Std. Error        z-Statistic        Prob.  
                               
C        0.000247        0.001470        0.167698        0.8668
AR(2)        -0.681232        0.039356        -17.30947        0.0000
AR(4)        -0.881492        0.032309        -27.28348        0.0000
MA(2)        0.647072        0.016206        39.92898        0.0000
MA(4)        0.964283        0.009880        97.60415        0.0000
                               
        Variance Equation                       
                               
C        0.000100        8.26E-05        1.211391        0.2257
RESID(-1)^2        -0.134440        0.068508        -1.962389        0.0497
RESID(-1)^2*(RESID(-1)<0)        0.153198        0.084040        1.822920        0.0683
GARCH(-1)        0.646444        0.331813        1.948220        0.0514
                               
R-squared        0.082438            Mean dependent var                -0.000137
Adjusted R-squared        0.060059            S.D. dependent var                0.016684
S.E. of regression        0.016175            Akaike info criterion                -5.364303
Sum squared resid        0.042907            Schwarz criterion                -5.197622
Log likelihood        462.2836            Hannan-Quinn criter.                -5.296661
F-statistic        1.841824            Durbin-Watson stat                1.958078
Prob(F-statistic)        0.072739                       
                               
Inverted AR Roots         .55-.80i             .55+.80i          -.55-.80i        -.55+.80i
Inverted MA Roots         .57+.81i             .57-.81i          -.57+.81i        -.57-.81i

前面是ARMA模型，不知道可不可以直接输入指令AR(2) AR(4) MA(2）MA(4),结果是第一个，似乎蛮理想的
第二个是进一步构建的TARCH模型，经过了ARCH效用检验，求解，是否可以如上做不对称效应（杠杆效应）
希望各位帮帮忙，最近忙论文