求助，关于GARCH-BEEK模型的MATLAB编程

1

2

3

4

5

6

7

8

9

10

11

12

N=3000

x=zeros(N+1,1)

y=x

clf

for i=1:N

x(i+1)=1+y(i)-1.4*x(i)^2

y(i+1)=0.3*x(i)

end

plot(x,y,'.')

title(['x_{k+1} = 1+y_k+1.4*x_k^2' 10 'y_{k+1} = 0.3x_k'])

xlabel('x')

ylabel('y')

绘巧棚图结果

下面的代码加入了动态效果，你试一试碰销，看值不值得追加：

1

2

3

4

5

6

7

8

9

10

11

12

13

14

15

16

17

18

19

20

21

N=3000

x=[0zeros(N,1)*NaN]

y=x

clf

tail = plot(x,y,'.','color',[1 1 1]*0.75,'markersize',5)

hold on

head = plot(NaN,NaN,'.','markersize',25)

title(['x_{k+1} = 1+y_k+1.4*x_k^2' 10 'y_{k+1} = 0.3x_k'])

xlabel('x')

ylabel('y')

for i=1:N

x(i+1)=1+y(i)-1.4*x(i)^2

y(i+1)=0.3*x(i)

try

set(tail,'笑宽游xData',x,'yData',y)

set(head,'xData',x(i+1),'yData',y(i+1))

drawnow

catch

break

end

end

如下：

时间序列建模都要从罩卖平稳性检验开始，做完平稳性凯者检验（如果是考虑多序列的还要做协整检验），就开始做均值模型（arima等），对均值模型的残差进行检验，如果发现又arch效应，才对残差建立Garch模型。

ARCH模型（Autoregressive conditional heteroskedasticity model）全称“自回归条件异方差模型”，解决了传统的计量经济学对时间序列变量的第二个假设（方差恒定）所引起的问题。GARCH模型称为广义ARCH模型，是ARCH模型的拓展，由Bollerslev(1986)发展起来的。

时间序列是按照时间排序的一组随机变量，它通常是在相等间隔的时间段内依照给定的采样率对某种潜在过程进行观测的结果。

时间序列数据本质上反映的是某个或者某些随机变量随时间不断变化的趋势，而时间序列预测方法的核心就是从数据中挖掘出这种规律，并利用其对将来的数据做出估计。

构成要素：长期趋势，季节变动，循环变动，不规则变动。

1）长期趋势（T）现象在较长时期内受某种根本性因素作用而物孙逗形成的总的变动趋势。

2）季节变动（S）现象在一年内随着季节的变化而发生的有规律的周期性变动。

3）循环变动（C）现象以若干年为周期所呈现出的波浪起伏形态的有规律的变动。

4）不规则变动（I）是一种无规律可循的变动，包括严格的随机变动和不规则的突发性影响很大的变动两种类型。

在EViews中，您可盯迅汪以按照以下步骤 *** 作昌橡：

打开EViews软件，然后打开您要使用的数据集。

选择“Quick/Estimate Equation…”，或者使用快捷键“Shift+Ctrl+E”，打开估计方程的对话框。

在对话框的“Specification”选项卡中，选择“ARCH/GARCH”模型，并选择“VAR(2)-GARCH(1,1)-BEKK”作为您要估计的模型。

在“Sample”选项卡中，选择要使用的样本区间。

在“Options”选项卡中，您可以设置一些估计选项，例如估计方法、收敛准则等。

点击“OK”按钮开始估计模型。

估计完成后，您可以查看EViews的输出结果，其中包括估计系数、标准误、t统计量等等。

请注意，VAR(2)-GARCH(1,1)-BEKK是一种比较复杂的模型，需要较高的统计学和计量经济学知识。如果您不熟悉这个模型凯仔或不确定如何在EViews中进行 *** 作，请先学习相关的理论知识，或者寻求专业人士的帮助。