时间序列建模都要从稳当性检验开始，做完了稳当性检验（如果没有是考虑多序列的也要做协整检验分析），就就开始做均值模型（arima等），对均值模型的残差接受检验，如果才发现又arch效应，才对残差确立garch模型。
arch模型（autoregressiveconditionalheteroskedasticitymodel）全称“自回归条件异方差模型”，解决了比较传统的计量经济学对时间序列变量的第二个打比方（方差恒定）所过多的问题。garch模型一般称广义arch模型，是arch模型的拓展，由bollerslev(1986)发展起来下来的。
因此garch(p,q)模型是arch模型的扩展,因此garch(p,q)则是具备arch(q)模型的特点。但garch模型的条件方差不但是相对滞后残差平方的线性函数,并且是滞后于条件方差的线性函数。
garch模型合适在计算量很大时,更方便地详细解释了中阶的arch过程,再加之具备更大的适用性。但garch(p,q)模型在应用到于资产定价方面存在以下的不足:
①garch模型又不能解释什么股票收益和收益变化波动之间直接出现的负咨询现象。garch(p,q)模型根据定义条件方差是相对滞后残差平方的函数,并且,残差的符号不会影响波动,即条件方差对正的价格变化和负的价格变化的反应是中心对称的。然而在经验研究中发现,当利空消息会出现时,即市场预期股票收益会逐渐下降时,波动趋于于大小改变当利好消息出现时,即预期好股票收益会向上升时,波动趋于于减小。garch(p,q)模型不能不能请解释这种整体式现象。
②garch(p,q)模型替可以保证非负,假定(2)式中所有系数均为0零。这些约束暗含着的任何相对滞后项增大都会提升因而排除肾炎了的副本波动行为,这以至于在估计garch模型时很可能会出现震荡现象。
先打开电脑，可以打开excel，修改新的数据电子表格。
2、将电子表格数据导入eviews，再点击ok。
3、在系统弹出窗口中输入“cor?coilfuture?dow?shindex?nagas?opec?ueurope?urmb”。
4、可以打开“菜单”-“graph”，在对话框中键入序列名称“coilfuture”，直接点击“ok”。
5、刚刚进入“testtype”，再点“test”-“intercept”，可以设置参数。
6、点击可以了即可解决。
arch模型（autoregressiveconditionalheteroskedasticitymodel）全称“自进入虚空条件异方差模型”，解决了现代的计量经济学对时间序列变量的第二个打比方（方差恒定）所紊乱的问题。garch模型称为广义arch模型，是arch模型的拓展，由bollerslev(1986)发展起来下来的。
