应该是你自己弄错了.
f1 = f2 ??

L=read.csv(file="data.csv",header=TRUE)

x=L[2:120,4]
y=L[2:120,3]
z=L[2:120,13]
r=cbind(y,z)
r[,1]=r[,1]-mean(r[,1])
r[,2]=r[,2]-mean(r[,2])

T=length(r[,1])

f1=garchFit(~garch(1,1),data=r[,1],include.mean = F )
f1=f1@fit$coef
#    omega    alpha1     beta1
#0.5834909 0.2208952 0.7559077

f2=garchFit(~garch(1,1),data=r[,2],include.mean = F)
f2=f2@fit$coef
#      omega      alpha1       beta1
#0.007263227 0.999999990 0.016775958

data=r[,2]
显然有问题,请检查一下.

数据的问题，我一个是用的价格计算的收益率，另一个是直接用的的利率，利率基本在50基准点，这个不能直接这么用么?  后面进行dcc.estimation, 通过code上的那种方法得出的是DCC吗？
对于这些源数据，对数据进行过滤，在R程序中如何实现 VAR（1）过滤？
这些东西完全初学，所以问题也比较基础，希望epoh能给予帮助，谢谢！

老师，我已经弄清楚了之前问题所在了，我想请问一下，dcc.estimation中dcc.para是怎么确定的呢？

ini.dcc=dcc.para,
ini.dcc : a vector of initial values for the DCC parameters (2 x 1)

dcc.para 就是initial values
设定好适当值,其接果是相近的
如底下:dcc.para  <- c(0.01,0.98)
       dcc.para1 <- c(0.02,0.95)
       dcc.para2 <- c(0.02,0.9)     
####
library(ccgarch)
set.seed(123)
nobs <- 1000; cut <- 1000
a <- c(0.003, 0.005)
A <- diag(c(0.2,0.15))
B <- diag(c(0.75, 0.8))
uncR <- matrix(c(1.0, 0.4, 0.4, 1.0),2,2)
dcc.para <- c(0.01,0.98)
dcc.data <- dcc.sim(nobs, a, A, B, uncR, dcc.para, model="diagonal")

# Estimating a DCC-GARCH(1,1) model
dcc.para1 <- c(0.02,0.95)
dcc.para2 <- c(0.02,0.9)

dcc.results <- dcc.estimation(inia=a, iniA=A, iniB=B, ini.dcc=dcc.para,dvar=dcc.data$eps, model="diagonal")
dcc.results1 <- dcc.estimation(inia=a, iniA=A, iniB=B, ini.dcc=dcc.para1,dvar=dcc.data$eps, model="diagonal")
dcc.results2 <- dcc.estimation(inia=a, iniA=A, iniB=B, ini.dcc=dcc.para2,dvar=dcc.data$eps, model="diagonal")
# Parameter estimates and their robust standard errors
dcc.results$out
#                    a1         a2        A11         A22        B11        B22   dcc alpha   dcc beta
#estimates 0.0020597062 0.00332611 0.19605728 0.190663641 0.77793259 0.78573525 0.006854594 0.98452082
#std.err   0.0007481721 0.03895612 0.04131927 0.001078035 0.02904991 0.03088621 0.006908613 0.02031203

dcc.results1$out
#                    a1         a2        A11         A22        B11        B22   dcc alpha   dcc beta
#estimates 0.0020597062 0.00332611 0.19605728 0.190663641 0.77793259 0.78573525 0.006856761 0.98453281
#std.err   0.0007481721 0.03895612 0.04131927 0.001078035 0.02904991 0.03088621 0.006904375 0.02027669

dcc.results2$out
#                    a1         a2        A11         A22        B11        B22   dcc alpha   dcc beta
#estimates 0.0020597062 0.00332611 0.19605728 0.190663641 0.77793259 0.78573525 0.006872483 0.98447394
#std.err   0.0007481721 0.03895612 0.04131927 0.001078035 0.02904991 0.03088621 0.006925764 0.02037307