hp.ibm = seriesMerge(hp.s, ibm.s)
hp.ibm.bekk = mgarch(hp.ibm~-1, ~bekk(1,1))
hp.ibm.bekk
bekkR.mod = hp.ibm.bekk$model
bekkR.mod
bekkR.mod$arch$value[[1]][2,1]=0
bekkR.mod$arch$which[[1]][2,1]=F
bekkR.mod
hp.ibm.bekkR = mgarch(series=hp.ibm, model=bekkR.mod)
hp.ibm.bekkR
#Coefficients:                        
#       A(1, 1)  0.0073094
#       A(2, 1) -0.0056979
#       A(2, 2)  0.0001782
# ARCH(1; 1, 1)  0.3170190
# ARCH(1; 2, 1)  0.0000000
# ARCH(1; 1, 2) -0.0786474
# ARCH(1; 2, 2)  0.4127671
#GARCH(1; 1, 1)  0.6967603
#GARCH(1; 2, 1)  0.1065005
#GARCH(1; 1, 2)  0.5294820
#GARCH(1; 2, 2)  0.7858919

LR.stat = -2*(hp.ibm.bekkR$likelihood-hp.ibm.bekk$likelihood) #303.9285

太谢谢你了。MGARCH模型除了LR检验，是否还要再加个WALD检验才更加完美。WALD检验怎么实现呢？论坛有人说在这本书的808页有例子，我没有找到。

------------ Constants in mean ------------

       value which
v1  0.067826     T
v2 -0.007802     T

---------- Constants in variance ----------

   v1.value  v2.value *** v1.which v2.which
v1  0.14157 0.0000000 ***        T        F
v2 -0.01421 0.0001955 ***        T        T

------------------- ARCH ------------------

Lag 1
    v1.value v2.value *** v1.which v2.which
v1  0.226784   1.3471 ***        T        T
v2 -0.007733   0.3841 ***        T        T

------------------ GARCH ------------------

Lag 1
   v1.value v2.value *** v1.which v2.which
v1 0.968142  -0.7816 ***        T        T
v2 0.002614   0.9011 ***        T        T

我做出来的这个，不太明白 V1 V2 的含义，如果是系数，那么系数应该有11个？ 还有which是什么意思呢？T值吗？如果是为什么不显示呢？

V1和V2就是方差1和方差2，具体含义看看文献就知道了。T是True and F is False，Which是V1和V2的具体值 or T和F的值。
多向epoh老师请教吧！
非常感谢epoh老师的指导！

那么BEKK的wald检验，能探讨一下吗？
Rmat = rbind(c(rep(0,6),1,rep(0,6)),c(rep(0,7),1,rep(0,5)),c(rep(0,10),1,rep(0,2)),c(rep(0,11),1,0))
不同的约束条件似乎就是在这个命令里面决定的。具体应该怎么设定这样一个矩阵里面哪个是1呢？
[,1] [,2] [,3]
[1,]    1    0    0
[2,]    0    1    0
>
书上的例子里面，δ1=δ2=0，这个假设检验，就是用了上面那个2*3矩阵来限定的吧？
我就是不太明白这里，哪个为1，哪个为0，可以满足不同的假设？