全部版块 我的主页
论坛 计量经济学与统计论坛 五区 计量经济学与统计软件
3995 8
2021-07-29
我用WINRATS对多组期货现货数据同时做了VAR-DCC-GARCH与VAR-BEKK-GARCH模型,一样的数据与计算方法情况下,两个模型给出的VAR系数完全不同,因为害怕后续答辩被问到,想请教一下论坛大神这是什么原因,该如何解释?这样的情况是否正常?用别的软件或者代码有没有办法规避这种情况?
其中一组的代码与结果如下:
system(model=var1)
variables rif rhs
lags 1 to 7
det constant
end(system)
garch(p=1,q=1,method=bfgs,pmethod=simplex,piters=100,model=var1,distrib=t,mv=bekk) / rif rhs

MV-GARCH, BEKK - Estimation by BFGS
Convergence in   135 Iterations. Final criterion was  0.0000000 <=  0.0000100
Usable Observations                      6905
Log Likelihood                     13782.7135

    Variable                        Coeff      Std Error      T-Stat      Signif
************************************************************************************
1.  RIF{1}                       -0.031939010  0.021840934     -1.46235  0.14364632
2.  RIF{2}                        0.003193633  0.022968412      0.13904  0.88941492
3.  RIF{3}                        0.053041454  0.024122609      2.19883  0.02789020
4.  RIF{4}                        0.037286514  0.019131979      1.94891  0.05130612
5.  RIF{5}                        0.066527115  0.016253727      4.09304  0.00004258
6.  RIF{6}                        0.023659652  0.017651047      1.34041  0.18011188
7.  RIF{7}                       -0.013759845  0.010903533     -1.26196  0.20696243
8.  RHS{1}                       -0.015260725  0.023454690     -0.65065  0.51527435
9.  RHS{2}                        0.005613133  0.023732905      0.23651  0.81303487
10. RHS{3}                       -0.061153688  0.025302556     -2.41690  0.01565342
11. RHS{4}                       -0.025098944  0.020115975     -1.24771  0.21213654
12. RHS{5}                       -0.073496700  0.017494736     -4.20108  0.00002657
13. RHS{6}                       -0.017391596  0.018020309     -0.96511  0.33448928
14. RHS{7}                        0.008191716  0.011538668      0.70994  0.47774382
15. Constant                      0.002071262  0.001473348      1.40582  0.15977757
16. RIF{1}                        0.332927097  0.021091630     15.78480  0.00000000
17. RIF{2}                        0.135639607  0.022032763      6.15627  0.00000000
18. RIF{3}                        0.131500078  0.022768728      5.77547  0.00000001
19. RIF{4}                        0.089646234  0.017878509      5.01419  0.00000053
20. RIF{5}                        0.089030671  0.015587301      5.71174  0.00000001
21. RIF{6}                        0.056424988  0.016936693      3.33152  0.00086372
22. RIF{7}                        0.022849390  0.010603327      2.15493  0.03116758
23. RHS{1}                       -0.344603440  0.023678264    -14.55358  0.00000000
24. RHS{2}                       -0.131093520  0.023348868     -5.61456  0.00000002
25. RHS{3}                       -0.141167168  0.025061298     -5.63288  0.00000002
26. RHS{4}                       -0.088391961  0.019298206     -4.58032  0.00000464
27. RHS{5}                       -0.095353340  0.017103537     -5.57507  0.00000002
28. RHS{6}                       -0.051728782  0.018053429     -2.86532  0.00416593
29. RHS{7}                       -0.029869470  0.010917384     -2.73595  0.00621996
30. Constant                      0.002604569  0.001348224      1.93185  0.05337784
31. C(1,1)                        0.024039546  0.002003052     12.00146  0.00000000
32. C(2,1)                        0.030444930  0.002034712     14.96277  0.00000000
33. C(2,2)                        0.010752759  0.000925998     11.61208  0.00000000
34. A(1,1)                       -0.205416616  0.008662815    -23.71246  0.00000000
35. A(1,2)                       -0.448555017  0.014397725    -31.15458  0.00000000
36. A(2,1)                        0.471891337  0.013026045     36.22676  0.00000000
37. A(2,2)                        0.748128935  0.018972270     39.43276  0.00000000
38. B(1,1)                        1.072004277  0.003113484    344.31014  0.00000000
39. B(1,2)                        0.124124570  0.001206665    102.86581  0.00000000
40. B(2,1)                       -0.135723206  0.003567823    -38.04090  0.00000000
41. B(2,2)                        0.793038677  0.005036184    157.46816  0.00000000
42. Shape                         5.286145532  0.201319539     26.25749  0.00000000


garch(p=1,q=1,distrib=t,model=var1,pmethod=simplex,piters=100,method=bfgs,mv=dcc,hmatrices=hh) / rif rhs


MV-GARCH, DCC - Estimation by BFGS
Convergence in    97 Iterations. Final criterion was  0.0000095 <=  0.0000100
Usable Observations                      6905
Log Likelihood                     13775.3679

    Variable                        Coeff      Std Error      T-Stat      Signif
************************************************************************************
1.  RIF{1}                       -0.066504094  0.018377751     -3.61873  0.00029605
2.  RIF{2}                       -0.016160454  0.022998548     -0.70267  0.48225969
3.  RIF{3}                        0.034540108  0.013928764      2.47977  0.01314677
4.  RIF{4}                        0.025486357  0.019255631      1.32358  0.18564278
5.  RIF{5}                        0.039875187  0.023001706      1.73358  0.08299349
6.  RIF{6}                        0.011307011  0.020983281      0.53886  0.58998476
7.  RIF{7}                       -0.014329271  0.023552762     -0.60839  0.54292866
8.  RHS{1}                        0.019088326  0.018433828      1.03551  0.30043299
9.  RHS{2}                        0.023574996  0.023178139      1.01712  0.30909536
10. RHS{3}                       -0.043242875  0.013888644     -3.11354  0.00184856
11. RHS{4}                       -0.015454390  0.019730066     -0.78329  0.43345604
12. RHS{5}                       -0.044441552  0.023744474     -1.87166  0.06125383
13. RHS{6}                       -0.009234650  0.021161660     -0.43639  0.66255676
14. RHS{7}                        0.004432520  0.023780668      0.18639  0.85213756
15. Constant                      0.002337198  0.001400188      1.66920  0.09507716
16. RIF{1}                        0.304862227  0.016517545     18.45687  0.00000000
17. RIF{2}                        0.117049095  0.021212538      5.51792  0.00000003
18. RIF{3}                        0.109863371  0.012215350      8.99388  0.00000000
19. RIF{4}                        0.077396707  0.017580545      4.40241  0.00001071
20. RIF{5}                        0.068895499  0.021467566      3.20928  0.00133066
21. RIF{6}                        0.046533721  0.019253022      2.41696  0.01565088
22. RIF{7}                        0.020246124  0.022215782      0.91134  0.36211642
23. RHS{1}                       -0.312951862  0.018243936    -17.15375  0.00000000
24. RHS{2}                       -0.112660023  0.022108480     -5.09578  0.00000035
25. RHS{3}                       -0.119153617  0.014007821     -8.50622  0.00000000
26. RHS{4}                       -0.077216993  0.018689811     -4.13150  0.00003604
27. RHS{5}                       -0.072469843  0.022429075     -3.23107  0.00123329
28. RHS{6}                       -0.044411426  0.020396363     -2.17742  0.02944933
29. RHS{7}                       -0.030628459  0.022770495     -1.34509  0.17859483
30. Constant                      0.003116136  0.001296146      2.40416  0.01620990
31. C(1)                          0.001641664  0.000191386      8.57778  0.00000000
32. C(2)                          0.001428566  0.000143743      9.93833  0.00000000
33. A(1)                          0.094844495  0.007821161     12.12665  0.00000000
34. A(2)                          0.107083853  0.007616012     14.06036  0.00000000
35. B(1)                          0.844877539  0.013038546     64.79845  0.00000000
36. B(2)                          0.831943327  0.011484601     72.43990  0.00000000
37. DCC(1)                        0.059881539  0.009178476      6.52413  0.00000000
38. DCC(2)                        0.820327717  0.030649315     26.76496  0.00000000
39. Shape                         5.117035363  0.148862944     34.37414  0.00000000
希望能得到各位老师们的一点帮助,谢谢!


二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

全部回复
2021-7-30 23:47:22
模型不一样,那结果几乎肯定不一样。
但你可以看显著性,一般来说,显著的变量,用不同的模型估计是不会差太多,而不显著的变量,就可能差很多,因为方差很大。
你可以看你的表里,比如16、17、18变量,在两个表中都非常显著,因此两个表中的值差不太多。但不显著的就差非常多了。
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

2021-7-31 16:27:00
tyj751338 发表于 2021-7-30 23:47
模型不一样,那结果几乎肯定不一样。
但你可以看显著性,一般来说,显著的变量,用不同的模型估计是不会差 ...
可是VAR-BEKK-GARCH跟VAR-DCC-GARCH不是应该都是在VAR模型作为均值方程之后做出的不同的GARCH模型吗?虽然GARCH部分不同,但是VAR的均值方程为什么也会不一样呢?期待您的解答!
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

2021-8-1 00:28:49
2780646645 发表于 2021-7-31 16:27
可是VAR-BEKK-GARCH跟VAR-DCC-GARCH不是应该都是在VAR模型作为均值方程之后做出的不同的GARCH模型吗?虽然 ...
不是这样的。
均值方程里面对于残差有分布假设,这个分布是由GARCH决定的,所以要两个方程联合估计。并非先估计一个,再独立估计另一个。
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

2021-8-5 08:32:09
tyj751338 发表于 2021-8-1 00:28
不是这样的。
均值方程里面对于残差有分布假设,这个分布是由GARCH决定的,所以要两个方程联合估计。并非 ...
懂了,非常感谢您的解答!
不过我对第一个VAR的结果有所怀疑,连RIF(-1)都不显著。像这种两个VAR结果相差较大的情况,有没有可能其中一个的估计会有问题?是不是需要做一些检验?WINRATS能对VAR-GARCH里的VAR做检验吗?
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

2021-9-5 06:13:31
楼主,请问能加一下扣扣探讨一下吗,WINRATS完全没用过,求指教:QQ120907026
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

点击查看更多内容…
相关推荐
栏目导航
热门文章
推荐文章

说点什么

分享

扫码加好友,拉您进群
各岗位、行业、专业交流群