① 基於GARCH模型的VAR風險測量,在得到條件方差方程後怎麼將條件方差一個個求出來，用eviews怎麼操作啊
不會做的話讓人幫你做好了
我經常幫別人做這類的數據分析的
② GARCH模型kupiec回測檢驗在eviews里怎麼做
關於Kupiec的檢驗方法，可以使用R進行了重新編程作圖檢驗，
參考代碼如下：
n <- 984;
m <- seq(from=1, to=150, length=150);
p <- .05; # 例外發生的概率
conf <- .95; # chi^2 分布的置信水平
LR=-2*log(((1-p)^(n-m) )* (p^m))+2*log(((1-(m/n))^(n-m))*((m/n)^m));
critical_value <- qchisq(conf, 1);
plot(m,LR, type='l', col='blue', lwd=2, main='Kupiec Test (1995)', xlab='出現風險的次數m')
abline(h=critical_value, col='red', lwd=3)
LR_C <- which(LR<=critical_value)
abline(v=c(LR_C[1],LR_C[length(LR_C)]), lty='dashed')
LR_C
其中的n就是回顧測試的歷史數據總數；m是這些數據中超過VaR的天數，這里的critical_value就是chi^2的臨界值。
最後的LR_C輸出的是滿足VaR回測要求的m的所有可能取值。
③ 請問怎麼用EVIEWS實現DCC-GARCH模型想研究兩個金融市場之間的波動溢出效應，求大神~！高分！
EVIEWS只能實現正態分布、t分布、GED分布下的ARCH、GARCH、EGARCH、TGARCH、PARCH等模型的估計，但是像CCC-GARCH、DCC-GARCH等復合GARCH模型的估計EViews是無法實現的。要對這個進行估計的話簡單的辦法是利用OXmetrix軟體做，也可以用R和Matlab編程實現。
④ GARCH模型測股票波動性需要什麼數據
你只需下載股票每日歷史價位就可以了。比方說你下載的是每日開盤價（用每日均價也是可以的），記為S1，S2， S3。。。然後，你需要把這些數字轉換成價格日變化率，即（S2-S1）/S1， (S3-S2)/S2，...等等，然後把這組變化率數據導入Eviews， 按下面鏈接頁面的步驟操作就可以，很容易的。
⑤ 股指期貨對現貨市場的波動性從方差標准差方向怎麼研究
點位啊，同花順有的，鍵入滬深300就可以，樓主影響都寫了數據沒找到？那怎麼分析的貼水升水的？
⑥ 有關GARCH模型分析股價波動性的優劣性分析
上市公司模型並購重組對公司股價影響的研
⑦ 用GARCH模型計算波動率的具體步驟是怎樣的特別是參數估計
一般做garch的都是用原始數據，就是上證指數做變換後的數據。。波動率有很多種求法，garch就是其中一種。如果用你的思路和給出的波動率和收益，garch就是arma的方法求波動率。
那就是以波動率平方為因變數，滯後的波動率平方（有的不同階數可能，用統計量篩選），滯後的收益平方為自變數做回歸。
⑧ 運用stata實證分析建立garch模型遇到的問題
現實數據基本很難處理到完美的，大致上差不多就可以了，你這autocorrelation也不是很嚴重啊，我覺得可以一用。另外股指上還是盡量用garch吧，一般（1,1）就能有不錯的估值了，高了反而增加模型復雜程度。很多paper都指出garch比arima好多了
⑨ 如何用eviews進行GARCH模型測股票波動性，要具體步驟
Eviews是Econometrics Views的縮寫，直譯為計量經濟學觀察，通常稱為計量經濟學軟體包。它的本意是對社會經濟關系與經濟活動的數量規律，採用計量經濟學方法與技術進行「觀察」。另外Eviews也是美國QMS公司研製的在Windows下專門從事數據分析、回歸分析和預測的工具。使用Eviews可以迅速地從數據中尋找出統計關系，並用得到的關系去預測數據的未來值。Eviews的應用范圍包括：科學實驗數據分析與評估、金融分析、宏觀經濟預測、模擬、銷售預測和成本分析等。
GARCH模型是一個專門針對金融數據所量體訂做的回歸模型，除去和普通回歸模型相同的之處，GARCH對誤差的方差進行了進一步的建模。特別適用於波動性的分析和預測，這樣的分析對投資者的決策能起到非常重要的指導性作用，其意義很多時候超過了對數值本身的分析和預測。
一般的GARCH模型可以表示為：
Y（t）=h（t）^1/2*a（t） ⑴
h（t）=h（t-1）+a（t-1）^2 ⑵
其中ht為條件方差，at為獨立同分布的隨機變數，ht與at互相獨立，at為標准正態分布。⑴式稱為條件均值方程；⑵式稱為條件方差方程，說明時間序列條件方差的變化特徵。為了適應收益率序列經驗分布的尖峰厚尾特徵，也可假設 服從其他分布，如Bollerslev （1987）假設收益率服從廣義t-分布，Nelson（1991）提出的EGARCH模型採用了GED分布等。另外，許多實證研究表明收益率分布不但存在尖峰厚尾特性，而且收益率殘差對收益率的影響還存在非對稱性。當市場受到負沖擊時，股價下跌，收益率的條件方差擴大，導致股價和收益率的波動性更大；反之，股價上升時，波動性減小。股價下跌導致公司的股票價值下降，如果假設公司債務不變，則公司的財務杠桿上升，持有股票的風險提高。因此負沖擊對條件方差的這種影響又被稱作杠桿效應。由於GARCH模型中，正的和負的沖擊對條件方差的影響是對稱的，因此GARCH模型不能刻畫收益率條件方差波動的非對稱性。