我在用R中rugarch包uargchfit拟合garch模型后得到结果如下：

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

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

Optimal Parameters
------------------------------------
        Estimate  Std. Error  t value Pr(>|t|)
mu     -0.065186    0.025870  -2.5197 0.011744
ar1    -0.533832    0.222276  -2.4017 0.016321
ma1     0.587081    0.213037   2.7558 0.005855
omega   0.037920    0.012231   3.1003 0.001933
alpha1  0.093063    0.013322   6.9858 0.000000
beta1   0.900442    0.013272  67.8431 0.000000
shape   5.977548    0.658367   9.0793 0.000000

Robust Standard Errors:
        Estimate  Std. Error  t value Pr(>|t|)
mu     -0.065186    0.032485  -2.0066 0.044790
ar1    -0.533832    0.204255  -2.6136 0.008960
ma1     0.587081    0.197354   2.9748 0.002932
omega   0.037920    0.014528   2.6101 0.009052
alpha1  0.093063    0.014831   6.2749 0.000000
beta1   0.900442    0.015203  59.2268 0.000000
shape   5.977548    0.604537   9.8878 0.000000

LogLikelihood : -5512.035

Information Criteria
------------------------------------

Akaike       3.7493
Bayes        3.7636
Shibata      3.7493
Hannan-Quinn 3.7545

Q-Statistics on Standardized Residuals
------------------------------------
              statistic  p-value
Lag[1]            1.719 0.189776
Lag[p+q+1][3]     7.575 0.005919
Lag[p+q+5][7]    16.102 0.006558
d.o.f=2
H0 : No serial correlation

Q-Statistics on Standardized Squared Residuals
------------------------------------
              statistic p-value
Lag[1]          0.01407  0.9056
Lag[p+q+1][3]   0.69555  0.4043
Lag[p+q+5][7]   2.80058  0.7307
d.o.f=2

ARCH LM Tests
------------------------------------
             Statistic DoF P-Value
ARCH Lag[2]      0.684   2  0.7103
ARCH Lag[5]      1.290   5  0.9360
ARCH Lag[10]     3.871  10  0.9530

Nyblom stability test
------------------------------------
Joint Statistic:  3.6585
Individual Statistics:            
mu     0.9690
ar1    0.0941
ma1    0.1040
omega  1.2244
alpha1 0.8088
beta1  1.3281
shape  0.9257

Asymptotic Critical Values (10% 5% 1%)
Joint Statistic:         1.69 1.9 2.35
Individual Statistic:    0.35 0.47 0.75

Sign Bias Test
------------------------------------
                   t-value     prob sig
Sign Bias           2.8083 0.005013 ***
Negative Sign Bias  0.0212 0.983085   
Positive Sign Bias  0.6948 0.487216   
Joint Effect       12.9290 0.004793 ***


Adjusted Pearson Goodness-of-Fit Test:
------------------------------------
  group statistic p-value(g-1)
1    20     53501            0
2    30     82661            0
3    40    111908            0
4    50    141043            0


Elapsed time : 0.752043

想问一下输出结果最后面的Adjusted Pearson Goodness-of-Fit Test检验结果p值小
是说模型拟合不好吗？其检验原理是什么？

希望得到大神指点！！！