dcc.garch的系数检验，需要自己进行。一般来说，dcc估计后，要检验标准化残差序列以及平方是否存在序列自相关，也就是对标准化残差序列及其平方进行Ljung-Box检验。summary(dcc.result)可以看到估计结果中有的系数(coef)、波动率(fitted)、残差(residuals)、协方差矩阵(rcov)、似然值(likelihood)此类..
# 用的是rmgarch包 dcc.result=dcc.fit(...) ,自己设定括号内的参数
1. 提取出序列的残差，RESID=residuals(dcc.result)
2. 提取出序列的协方差,RCOV=rcov(dcc.result)
3.计算序列的标准化残差，STDRESID= RESID[[1]]/RCOV[,1] #序列1的标准化残差
4.检验其序列自相关性，Box.test(STDRESID,lag=20,type='Ljung')

请问有关于R语言的dcc-garch程序吗 跪求

同求R语言的dcc-garch程序

您哪里弄到dcc-garch模型地r语言程序了吗，方便发我一份么，感谢

麻烦问一下那个inia,iniA=A,iniB=B这里的对应数字从哪里找来的呀

老师，您好，我最近也在做DCC-GARCH，有些地方比较困惑，想请教一下，问题1：一元GARCH模型估计时，需要先做均值方程吗？即GARCH的估计对象是均值方程（含ARMA）后的残差（残差不存在自相关），还是直接对两列数据进行GARCH估计（估计的数据需要除去均值吗）
分别对应的程序（我做的不知道对不对）
前者先进行均值处理的，garch11.spec <- ugarchspec(variance.model=list(garchOrder=c(1,1)),mean.model = list(armaOrder=c(2,1))),
这与接下来这个估计又有何区别garch.z=garch(z,order=c(1,1))
未进行均值处理的，garchFIt=(formula=~garch(1,1),data=hs)。（hs需不需要去均值处理）
问题2：DCC-GARCH估计的对象是一元garch波动的标准化残差（残差是去除自相关的吗，不存在自相关可以直接估计吗）还是条件方差。
标准化残差的提取是RESID=residuals()，RCOV=rcov(dcc.result)，STDRESID= RESID[[1]]/RCOV[,1]
还是直接这样就可以：hsre=residuals(mod.garch,standardize=T)，哪一个正确呢

问题3：在估计的实现中，程序dcc.results <- dcc.estimation(inia=a, iniA=A, iniB=B, dcc.para, dvar, model="diagonal");
inia=a, iniA=A, iniB=B，我是分别对应着GARCH模型估计得结果的，
ω，α，β，两组一元GARCH组成的矩阵，这样正确吗，还是直接可以随意设置呢？
dcc.para<-c(0.01,0.98)，参数我是这样设置的，
dvar我是由一元garch估计的标准差得出的矩阵组成，这样正确吗（不正确的话应该是条件方差，还是均值方程arma后的残差呢），或者指别的什么呢

问题4：我估计的DCC结果中，尝试了很多次，有的显示DCC序列，N个相同值都一样，可画出的图还是波动的，这是为什么呢

问题5：试了很多次（AR和MA的阶数），omega的值为0，但P值都非常接近于1，或者0.99什么的，这是为什么呢

         GARCH Model Fit        *
*---------------------------------*

Conditional Variance Dynamics        
-----------------------------------
GARCH Model        : sGARCH(1,1)
Mean Model        : ARFIMA(6,0,3)
Distribution        : norm

Optimal Parameters
------------------------------------
        Estimate  Std. Error    t value Pr(>|t|)
mu      0.001421    0.000147   9.661369 0.000000
ar1     0.045718    0.063220   0.723151 0.469587
ar2     0.517213    0.001596 323.984622 0.000000
ar3     0.721592    0.001495 482.758778 0.000000
ar4    -0.059309    0.080723  -0.734726 0.462506
ar5    -0.115169    0.017825  -6.461092 0.000000
ar6    -0.102636    0.025740  -3.987379 0.000067
ma1     0.139808    0.066591   2.099492 0.035774
ma2    -0.379842    0.043600  -8.711889 0.000000
ma3    -0.684714    0.056649 -12.086968 0.000000
omega   0.000000    0.000000   0.000489 0.999610
alpha1  0.052533    0.025083   2.094388 0.036225
beta1   0.904448    0.043435  20.823164 0.000000

问题6：
a1           a2          A11          A22
estimates 0.0000000 9.136642e-06 1.725422e-07 9.796033e-01
std.err   0.2523622 4.845644e-02 2.184722e-01 4.243372e-06
                B11          B22  dcc alpha  dcc beta
estimates 0.9983455 8.715547e-07 0.01027951 0.9642830
std.err   0.1691139 1.492929e-01 0.05645205 0.2460752
估计出来的系数怎么检验呢

还有提取出按照这个RESID=residuals(dcc.result)，显示为null，
，这是为啥呢

问题7：用这个R语言对一元garch进行估计时，感觉得出的结果跟用eviews得出的不一样。另外，均值方程（包含ARMA）估计最优的，garch系数估计出来不一定最优，需要参照什么定阶呢（如果garch的估计建立在arma之上）
另外，为什么文献里的均值方程都是AR的，没有ARMA的，如果ARMA估计比较优的话。

希望老师指导一下

同学，你好，我最近也在做DCC-GARCH，有些地方比较困惑，不太确定，想请教一下，
问题如下：

问题1：一元GARCH模型估计时，需要先做均值方程吗？即GARCH的估计对象是均值方程（含ARMA）后的残差（残差不存在自相关），还是直接对两列数据进行GARCH估计（估计的数据需要除去均值吗）
分别对应的程序（我做的不知道对不对）
前者先进行均值处理的，garch11.spec <- ugarchspec(variance.model=list(garchOrder=c(1,1)),mean.model = list(armaOrder=c(2,1))),
这与接下来这个估计又有何区别garch.z=garch(z,order=c(1,1))
未进行均值处理的，garchFIt=(formula=~garch(1,1),data=hs)。（hs需不需要去均值处理）
问题2：DCC-GARCH估计的对象是一元garch波动的标准化残差（残差是去除自相关的吗，不存在自相关可以直接估计吗）还是条件方差。
标准化残差的提取是RESID=residuals()，RCOV=rcov(dcc.result)，STDRESID= RESID[[1]]/RCOV[,1]
还是直接这样就可以：hsre=residuals(mod.garch,standardize=T)，哪一个正确呢

问题3：在估计的实现中，程序dcc.results <- dcc.estimation(inia=a, iniA=A, iniB=B, dcc.para, dvar, model="diagonal");
inia=a, iniA=A, iniB=B，我是分别对应着GARCH模型估计得结果的，
ω，α，β，两组一元GARCH组成的矩阵，这样正确吗，还是直接可以随意设置呢？
dcc.para<-c(0.01,0.98)，参数我是这样设置的，
dvar我是由一元garch估计的标准差得出的矩阵组成，这样正确吗（不正确的话应该是条件方差，还是均值方程arma后的残差呢），或者指别的什么呢

问题4：我估计的DCC结果中，尝试了很多次，有的显示DCC序列，N个相同值都一样，可画出的图还是波动的，这是为什么呢

问题5：试了很多次（AR和MA的阶数），omega的值为0，但P值都非常接近于1，或者0.99什么的，这是为什么呢

         GARCH Model Fit        *
*---------------------------------*

Conditional Variance Dynamics        
-----------------------------------
GARCH Model        : sGARCH(1,1)
Mean Model        : ARFIMA(6,0,3)
Distribution        : norm

Optimal Parameters
------------------------------------
        Estimate  Std. Error    t value Pr(>|t|)
mu      0.001421    0.000147   9.661369 0.000000
ar1     0.045718    0.063220   0.723151 0.469587
ar2     0.517213    0.001596 323.984622 0.000000
ar3     0.721592    0.001495 482.758778 0.000000
ar4    -0.059309    0.080723  -0.734726 0.462506
ar5    -0.115169    0.017825  -6.461092 0.000000
ar6    -0.102636    0.025740  -3.987379 0.000067
ma1     0.139808    0.066591   2.099492 0.035774
ma2    -0.379842    0.043600  -8.711889 0.000000
ma3    -0.684714    0.056649 -12.086968 0.000000
omega   0.000000    0.000000   0.000489 0.999610
alpha1  0.052533    0.025083   2.094388 0.036225
beta1   0.904448    0.043435  20.823164 0.000000

问题6：
a1           a2          A11          A22
estimates 0.0000000 9.136642e-06 1.725422e-07 9.796033e-01
std.err   0.2523622 4.845644e-02 2.184722e-01 4.243372e-06
                B11          B22  dcc alpha  dcc beta
estimates 0.9983455 8.715547e-07 0.01027951 0.9642830
std.err   0.1691139 1.492929e-01 0.05645205 0.2460752
估计出来的系数怎么检验呢

还有提取出按照这个RESID=residuals(dcc.result)，显示为null，
，这是为啥呢

问题7：用这个R语言对一元garch进行估计时，感觉得出的结果跟用eviews得出的不一样。另外，均值方程（包含ARMA）估计最优的，garch系数估计出来不一定最优，需要参照什么定阶呢（如果garch的估计建立在arma之上）
另外，为什么文献里的均值方程都是AR的，没有ARMA的，如果ARMA估计比较优的话。

同学，你好，我最近也在做DCC-GARCH，有些地方比较困惑，不太确定，想请教一下，
问题如下：

问题1：一元GARCH模型估计时，需要先做均值方程吗？即GARCH的估计对象是均值方程（含ARMA）后的残差（残差不存在自相关），还是直接对两列数据进行GARCH估计（估计的数据需要除去均值吗）
分别对应的程序（我做的不知道对不对）
前者先进行均值处理的，garch11.spec <- ugarchspec(variance.model=list(garchOrder=c(1,1)),mean.model = list(armaOrder=c(2,1))),
这与接下来这个估计又有何区别garch.z=garch(z,order=c(1,1))
未进行均值处理的，garchFIt=(formula=~garch(1,1),data=hs)。（hs需不需要去均值处理）
问题2：DCC-GARCH估计的对象是一元garch波动的标准化残差（残差是去除自相关的吗，不存在自相关可以直接估计吗）还是条件方差。
标准化残差的提取是RESID=residuals()，RCOV=rcov(dcc.result)，STDRESID= RESID[[1]]/RCOV[,1]
还是直接这样就可以：hsre=residuals(mod.garch,standardize=T)，哪一个正确呢

问题3：在估计的实现中，程序dcc.results <- dcc.estimation(inia=a, iniA=A, iniB=B, dcc.para, dvar, model="diagonal");
inia=a, iniA=A, iniB=B，我是分别对应着GARCH模型估计得结果的，
ω，α，β，两组一元GARCH组成的矩阵，这样正确吗，还是直接可以随意设置呢？
dcc.para<-c(0.01,0.98)，参数我是这样设置的，
dvar我是由一元garch估计的标准差得出的矩阵组成，这样正确吗（不正确的话应该是条件方差，还是均值方程arma后的残差呢），或者指别的什么呢

问题4：我估计的DCC结果中，尝试了很多次，有的显示DCC序列，N个相同值都一样，可画出的图还是波动的，这是为什么呢

问题5：试了很多次（AR和MA的阶数），omega的值为0，但P值都非常接近于1，或者0.99什么的，这是为什么呢

         GARCH Model Fit        *
*---------------------------------*

Conditional Variance Dynamics        
-----------------------------------
GARCH Model        : sGARCH(1,1)
Mean Model        : ARFIMA(6,0,3)
Distribution        : norm

Optimal Parameters
------------------------------------
        Estimate  Std. Error    t value Pr(>|t|)
mu      0.001421    0.000147   9.661369 0.000000
ar1     0.045718    0.063220   0.723151 0.469587
ar2     0.517213    0.001596 323.984622 0.000000
ar3     0.721592    0.001495 482.758778 0.000000
ar4    -0.059309    0.080723  -0.734726 0.462506
ar5    -0.115169    0.017825  -6.461092 0.000000
ar6    -0.102636    0.025740  -3.987379 0.000067
ma1     0.139808    0.066591   2.099492 0.035774
ma2    -0.379842    0.043600  -8.711889 0.000000
ma3    -0.684714    0.056649 -12.086968 0.000000
omega   0.000000    0.000000   0.000489 0.999610
alpha1  0.052533    0.025083   2.094388 0.036225
beta1   0.904448    0.043435  20.823164 0.000000

问题6：
a1           a2          A11          A22
estimates 0.0000000 9.136642e-06 1.725422e-07 9.796033e-01
std.err   0.2523622 4.845644e-02 2.184722e-01 4.243372e-06
                B11          B22  dcc alpha  dcc beta
estimates 0.9983455 8.715547e-07 0.01027951 0.9642830
std.err   0.1691139 1.492929e-01 0.05645205 0.2460752
估计出来的系数怎么检验呢

还有提取出按照这个RESID=residuals(dcc.result)，显示为null，
，这是为啥呢

问题7：用这个R语言对一元garch进行估计时，感觉得出的结果跟用eviews得出的不一样。另外，均值方程（包含ARMA）估计最优的，garch系数估计出来不一定最优，需要参照什么定阶呢（如果garch的估计建立在arma之上）
另外，为什么文献里的均值方程都是AR的，没有ARMA的，如果ARMA估计比较优的话。

你好，老师，我遇到一些问题，想请教一下，一元GARCH模型估计时，需要先做均值方程吗？即GARCH的估计对象是均值方程（含ARMA）后的残差（残差不存在自相关），还是直接对两列数据进行GARCH估计（估计的数据需要除去均值吗）
分别对应的程序（我做的不知道对不对）
前者先进行均值处理的，garch11.spec <- ugarchspec(variance.model=list(garchOrder=c(1,1)),mean.model = list(armaOrder=c(2,1))),
这与接下来这个估计又有何区别garch.z=garch(z,order=c(1,1))
未进行均值处理的，garchFIt=(formula=~garch(1,1),data=hs)。（hs需不需要去均值处理）
2：DCC-GARCH估计的对象是一元garch波动的标准化残差（残差是去除自相关的吗，不存在自相关可以直接估计吗）还是条件方差。
标准化残差的提取是RESID=residuals()，RCOV=rcov(dcc.result)，STDRESID= RESID[[1]]/RCOV[,1]
还是直接这样就可以：hsre=residuals(mod.garch,standardize=T)，哪一个正确呢

在估计的实现中，程序dcc.results <- dcc.estimation(inia=a, iniA=A, iniB=B, dcc.para, dvar, model="diagonal");
inia=a, iniA=A, iniB=B，我是分别对应着GARCH模型估计得结果的，
ω，α，β，两组一元GARCH组成的矩阵，这样正确吗，还是直接可以随意设置呢？
dcc.para<-c(0.01,0.98)，参数我是这样设置的，
dvar我是由一元garch估计的标准差得出的矩阵组成，这样正确吗（不正确的话应该是条件方差，还是均值方程arma后的残差呢），或者指别的什么呢

问题4：我估计的DCC结果中，尝试了很多次，有的显示DCC序列，N个相同值都一样，可画出的图还是波动的，这是为什么呢

问题5：试了很多次（AR和MA的阶数），omega的值为0，但P值都非常接近于1，或者0.99什么的，这是为什么呢

同学，你好，我有些问题想请教一下：：在估计的实现中，程序dcc.results <- dcc.estimation(inia=a, iniA=A, iniB=B, dcc.para, dvar, model="diagonal");
inia=a, iniA=A, iniB=B，我是分别对应着GARCH模型估计得结果的，
ω，α，β，两组一元GARCH组成的矩阵，这样正确吗，还是直接可以随意设置呢？
dcc.para<-c(0.01,0.98)，参数我是这样设置的，
dvar我是由一元garch估计的标准差得出的矩阵组成，这样正确吗（不正确的话应该是条件方差，还是均值方程arma后的残差呢），或者指别的什么呢

问题4：我估计的DCC结果中，尝试了很多次，有的显示DCC序列，N个相同值都一样，可画出的图还是波动的，这是为什么呢

求助，请问怎样获得相关系数，我summary后出来只有
Length  Class   Mode
     1 DCCfit     S4

不知道怎么弄出来，太难了…还有dccfit时arma设定，两个序列的arma并不同，该怎么办，直接选一个的填吗//

求助，请问怎样获得相关系数，我summary后出来只有
Length  Class   Mode
     1 DCCfit     S4

不知道怎么弄出来，太难了…还有dccfit时arma设定，两个序列的arma并不同，该怎么办，直接选一个的填吗//

求助，请问怎样获得相关系数，我summary后出来只有
Length  Class   Mode
     1 DCCfit     S4

不知道怎么弄出来，太难了…还有dccfit时arma设定，两个序列的arma并不同，该怎么办，直接选一个的填吗//