什么是arch 模型和garch-2/？由于移动平均模型具有自相关系数的Q阶截断，ARCH 模型实际上只适合拟合异方差函数的短期自相关过程，称为广义自回归条件异方差模型(广义自回归条件异方差)。
1、用GARCH 模型计算波动率的具体步骤是怎样的?特别是参数估计一般情况下，garch是基于原始数据，是上证指数的转换数据。求波动率的方法有很多，garch就是其中之一。如果用你的想法和给定的波动率和收益，garch就是arma求波动率的方法。即以波动率平方为因变量，滞后波动率平方(有些不同的订单可能会被统计筛选)，滞后收益平方为自变量进行回归。
2、GARCH 模型及拟合案例ARCH 模型，用残差平方序列的Q阶移动平均来拟合当期的异方差函数值。由于滑动平均模型具有自相关系数的Q阶截断，ARCH 模型实际上只适合拟合异方差函数的短期自相关过程，称为广义自回归条件异方差模型(广义自回归条件异方差)，适合拟合具有长期相关性的残差序列。
可能有关联，但不完全是随机的。这时候就可以先拟合回归模型了，考察回归残差序列的方差齐性。2.选择合适的模型来配合序列的发展；提取方法的残差自相关仍然具有相关性和拖尾性的特征，残差序列仍然具有相关性dw检验。两种方法提取的残差序列仍然具有相关性。
3、GARCH 模型的原理GARCH 模型可表示为:其中ht为条件方差，ut为独立同分布随机变量，ht和ut相互独立，ut为标准正态分布。(1)公式称为条件均值方程；(3)方程称为条件方差方程，表示时间序列条件方差的变化特征。为了适应收益率序列经验分布的尖峰厚尾特性，也可以假设服从其他分布，如Bollerslev(1987)假设收益率服从广义T分布，Nelson(1991)提出的EGARCH 模型采用GED分布。
当市场受到负面冲击时，股价下跌，收益率的条件方差扩大，导致股价和收益率的波动性更大；反之，股价上涨时，波动率降低。股价下跌导致公司股票价值下降。如果假设公司债务不变，公司财务杠杆上升，持股风险增加。所以这种负面影响条件方差的效应也叫杠杆效应。GARCH 模型无法描述条件方差波动的不对称性是因为正负冲击对条件方差的影响是对称的。
4、什么是arch 模型和 garch 模型?1，ARCH 模型(自回归条件异方差)是“自回归条件异方差模型”的全称，解决了传统计量经济学对时间序列变量的第二个假设(恒定方差)带来的问题。2.GARCH 模型称为广义ARCH 模型，它是ARCH 模型的扩展，由Bollerslev(1986)发展而来。
GARCH(p，q)模型is:(2)GARCHM模型在平均方程中引入异方差项。一个简单的GARCHM (1，1)模型可以表示为:扩展数据:GARCH的发展:传统计量经济学对时间序列变量的第二个假设:假设时间序列变量的波动范围(方差)是固定的，这是不现实的，比如，人们早就发现股票收益的波动幅度是随时间变化的，而不是恒定的。这使得传统的时间序列分析对实际问题无效。
