先看看樣本數有多少  如果超過30個的話屬於大樣本  可以看看是不是服從normal  可以用qqnorm來檢驗

沪深300指数分析，2010个样本，密度函数尖峰厚尾
然后
r18.1=garchFit(~arma(0,10)+garch(1,1),data=r,include.mean=T,cond.dist="std",trace=F)
cond.dist="std"这个条件分布设定为T分布，我不知道该如何检验

t.test(r18.1,mu=0)

不对吧，T分布是garch模型的残差项
t.test(r18$res)
得到：
One Sample t-test

data:  r18$res
t = 0.0072, df = 1999, p-value = 0.9942
alternative hypothesis: true mean is not equal to 0
95 percent confidence interval:
-0.0008281678  0.0008342811
sample estimates:
  mean of x
3.05667e-06
t.test不是检验参数显著性么？

供参考，我的理解是：t检验与你最初的问题（一组数据是否满足T分布）似乎不是同一件事。
1） t检验是总体符合正态分布，在方差未知情况下，检验期望是否等于某个值。所以，T检验是检验一组数据的期望是否是某数，不是检验那组数据符合T分布。
2）检验一组数据是否符合某分布，我觉得应该用其他方法，例如Pearson's chi-squared test。
另外，问题“一组数据是否满足T分布”不够具体很难检验，一般是“一组数据是否满足T(d)分布”(d是自由度），一般尖峰肥尾的数据就应该拟合d很小的分布。所以，我觉得要解决你的问题应该是：
1. 根据你的那组数据估计参数d，可以用MLE方法或其他方法（d可以不是整数）
2. 估计了d后，可考虑用Pearson's chi-squared test检验这组数据是否符合t(d)分布。
不过，我不懂R，所以写不出R的程序。但我可以用EXCEL做上面的步骤。见下面的帖子的7楼。https://bbs.pinggu.org/thread-2140254-1-1.html

祝你好运！不过，对于股指这种金融数据，我的猜测是，太尖峰肥尾了，以致于所有T分布中一哥T(1)分布都可能不一定有股指数据的分布那么尖峰肥尾！而T(1)作为一个分布也太极品了，因为它的期望和方差均不存在，不是很有意义！