我选用的是钢铁板块2010-7-1至2018-7-1的收盘价数据，取对数收益率以后研究分布特征，呈现高峰厚尾，但没有明显自相关关系，随后进行ARCH检验，结果拒绝原假设，采用AR(0)-GARCH进行拟合。结果无论GARCH(1,1)还是高阶GARCH，都没有办法解决残差存在的ARCH效应。请问要怎么办。。
下面是代码和结果
> m2=garchFit(~arma(0,0)+garch(1,1),data = r,trace = F)
> summary(m2)

Title:
GARCH Modelling

Call:
garchFit(formula = ~arma(0, 0) + garch(1, 1), data = r, trace = F)

Mean and Variance Equation:
data ~ arma(0, 0) + garch(1, 1)
<environment: 0x0000000024ef1370>
[data = r]

Conditional Distribution:
norm

Coefficient(s):
      mu     omega    alpha1     beta1  
0.015079  0.034245  0.065728  0.925587  

Std. Errors:
based on Hessian

Error Analysis:
        Estimate  Std. Error  t value Pr(>|t|)   
mu      0.015079    0.032765    0.460  0.64537   
omega   0.034245    0.011596    2.953  0.00315 **
alpha1  0.065728    0.009286    7.078 1.46e-12 ***
beta1   0.925587    0.010586   87.438  < 2e-16 ***
---
Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

Log Likelihood:
-3646.474    normalized:  -1.874794

Description:
Sat Dec 01 16:22:48 2018 by user: You


Standardised Residuals Tests:
                                Statistic p-Value     
Jarque-Bera Test   R    Chi^2  763.2802  0           
Shapiro-Wilk Test  R    W      0.9734339 0           
Ljung-Box Test     R    Q(10)  6.757763  0.7480986   
Ljung-Box Test     R    Q(15)  8.817542  0.8868627   
Ljung-Box Test     R    Q(20)  12.84979  0.8837352   
Ljung-Box Test     R^2  Q(10)  56.13059  1.94046e-08
Ljung-Box Test     R^2  Q(15)  57.63128  6.410778e-07
Ljung-Box Test     R^2  Q(20)  59.18346  9.51973e-06
LM Arch Test       R    TR^2   85.40643  3.801404e-13

Information Criterion Statistics:
     AIC      BIC      SIC     HQIC
3.753701 3.765162 3.753693 3.757915



标准化残差平方不通过Ljung-Box检验，存在ARCH效应，LMARCH检验也拒绝原假设。