❶ garch模型能預測股票價格波動率嗎
我認為不大可能
❷ 如何用garch模型 預測出今後一個月的股票價格啊
模型在中國不行，國外的可以但也並不穩定，主要都是操盤手作怪
❸ GARCH模型的缺陷
由於GARCH (p,q)模型是ARCH模型的擴展,因此GARCH(p,q)同樣具有ARCH(q)模型的特點。但GARCH模型的條件方差不僅是滯後殘差平方的線性函數,而且是滯後條件方差的線性函數。
GARCH模型適合在計算量不大時,方便地描述了高階的ARCH過程,因而具有更大的適用性。但GARCH(p,q)模型在應用於資產定價方面存在以下的不足:
①GARCH模型不能解釋股票收益和收益變化波動之間出現的負相關現象。GARCH(p,q)模型假定條件方差是滯後殘差平方的函數,因此,殘差的符號不影響波動,即條件方差對正的價格變化和負的價格變化的反應是對稱的。然而在經驗研究中發現,當利空消息出現時,即預期股票收益會下降時,波動趨向於增大;當利好消息出現時,即預期股票收益會上升時,波動趨向於減小。GARCH(p,q)模型不能解釋這種非對稱現象。
②GARCH(p,q)模型為了保證非負,假定(2)式中所有系數均大於零。這些約束隱含著的任何滯後項增大都會增加因而排除了的隨機波動行為,這使得在估計GARCH模型時可能出現震盪現象。
❹ 證券公司中預測股票行情用的什麼軟體或者是方法計量經濟學在證券從業人員看來有用嗎
預測股票行情？談何容易。股票的價格是不能預測的。很多分析軟體，比如大智慧等，自稱能預測股票價格，它的核心原理是將股票的「道氏理論」量化，以往的道氏理論是純圖像的，而這些軟體它將圖像信息量化成數字信息，然後給炒股的人一些建議。但實際上，這是不可能的。根據有效市場理論，股票的價格反映的是當時的信息，而如果無法預測會出現什麼信息的話，就無法預測股價。一個軟體，如何去預測未來會發生什麼呢？那些標榜自己能預測股價的軟體基本上是騙人。它頂多不多是利用股市暫時的不穩定，賺取少得可憐的一點點蠅頭小利。
外國的投資大亨們也在預測股價，他們的方法要高明得多，他們使用一種時間序列分析，你去搜ARCH或者GARCH，這就是他們採用的方法。不過外國人現在已不再單純預測股票價格，他們預測的是股票的波動，然後選擇一個對沖組合來賺取利潤。
計量經濟學本身還是有用的，ARCH或者GARCH就屬於時間序列分析的一種，但指望單純地使用它就能獲利，那就犯錯了。國內的證券從業人員基本上不使用這方法，一般的經紀人不懂這個，而有名的分析師則要不有內幕消息（提前知道了別人在未來才能知道的消息），要不就是分析宏觀經濟走勢然後分析受宏觀經濟走勢影響某些產業估計會往好/不好方向發展，以此得出股價走勢的預測。對於後者，如果你讓告訴你下個時刻股價，他絕對做不到，他只是能判斷大體的走勢。
❺ 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。
❻ 關於GARCH（1,1）模型的預測
你是用eviews做嗎 如果是的話 先對源數據做建模，參數估計，再點一下resize 把樣本量那你擴充到09年12月31日 就可以估計了
❼ 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。
http://perso.fundp.ac.be/~mpetijea/MyEviews/Clips/clip17.html
加油。
❽ 如何用GARCH(1,1)求股票的具體波動率數據
以哈飛股份(600038)為例，運用GARCH（1,1）模型計算股票市場價值的波動率。
GARCH（1,1）模型為：
(1)
(2)
其中， 為回報系數， 為滯後系數， 和 均大於或等於0。
（1）式給出的均值方程是一個帶有誤差項的外生變數的函數。由於是以前面信息為基礎的一期向前預測方差，所以稱為條件均值方程。
（2）式給出的方程中： 為常數項， （ARCH項）為用均值方程的殘差平方的滯後項， （GARCH項）為上一期的預測方差。此方程又稱條件方差方程，說明時間序列條件方差的變化特徵。
通過以下六步進行求解：
本文選取哈飛股份2009年全年的股票日收盤價，採用Eviews 6.0的GARCH工具預測股票收益率波動率。具體計算過程如下：
第一步：計算日對數收益率並對樣本的日收益率進行基本統計分析，結果如圖1和圖2。
日收益率採用JP摩根集團的對數收益率概念，計算如下：
其中Si，Si-1分別為第i日和第i-1日股票收盤價。
圖1 日收益率的JB統計圖
對圖1日收益率的JB統計圖進行分析可知：
（1）標准正態分布的K值為3，而該股票的收益率曲線表現出微量峰度（Kurtosis=3.748926>3），分布的凸起程度大於正態分布，說明存在著較為明顯的「尖峰厚尾」形態；
（2）偏度值與0有一定的差別，序列分布有長的左拖尾，拒絕均值為零的原假設，不屬於正態分布的特徵；
（3）該股票的收益率的JB統計量大於5%的顯著性水平上的臨界值5.99，所以可以拒絕其收益分布正態的假設，並初步認定其收益分布呈現「厚尾」特徵。
以上分析證明，該股票收益率呈現出非正態的「尖峰厚尾」分布特徵，因此利用GARCH模型來對波動率進行擬合具有合理性。
第二步：檢驗收益序列平穩性
在進行時間序列分析之前，必須先確定其平穩性。從圖2日收益序列的路徑圖來看，有比較明顯的大的波動，可以大致判斷該序列是一個非平穩時間序列。這還需要嚴格的統計檢驗方法來驗證，目前流行也是最為普遍應用的檢驗方法是單位根檢驗，鑒於ADF有更好的性能，故本文採用ADF方法檢驗序列的平穩性。
從表1可以看出，檢驗t統計量的絕對值均大於1%、5％和10%標准下的臨界值的絕對值，因此，序列在1%的顯著水平下拒絕原假設，不存在單位根，是平穩序列，所以利用GARCH（1,1）模型進行檢驗是有效的。
圖2 日收益序列圖
表1ADF單位根檢驗結果
第三步：檢驗收益序列相關性
收益序列的自相關函數ACF和偏自相關函數PACF以及Ljung-Box-Pierce Q檢驗的結果如表3（滯後階數 =15）。從表4.3可以看出，在大部分時滯上，日收益率序列的自相關函數和偏自相關函數值都很小，均小於0.1，表明收益率序列並不具有自相關性，因此，不需要引入自相關性的描述部分。Ljung-Box-Pierce Q檢驗的結果也說明日收益率序列不存在明顯的序列相關性。
表2自相關檢驗結果
第四步：建立波動性模型
由於哈飛股份收益率序列為平穩序列，且不存在自相關，根據以上結論，建立如下日收益率方程：
(3)
(4)
第五步：對收益率殘差進行ARCH檢驗
平穩序列的條件方差可能是常數值，此時就不必建立GARCH模型。故在建模前應對收益率的殘差序列εt進行ARCH檢驗，考察其是否存在條件異方差，收益序列殘差ARCH檢驗結果如表3。可以發現，在滯後10階時，ARCH檢驗的伴隨概率小於顯著性水平0.05，拒絕原假設，殘差序列存在條件異方差。在條件異方差的理論中，滯後項太多的情況下，適宜採用GARCH（1,1）模型替代ARCH模型，這也說明了使用GARCH（1,1）模型的合理性。
表3日收益率殘差ARCH檢驗結果
第六步：估計GARCH模型參數，並檢驗
建立GARCH（1,1）模型，並得到參數估計和檢驗結果如表4。其中，RESID(-1)^2表示GARCH模型中的參數α，GARCH（-1）表示GARCH模型中的參數β，根據約束條件α+β<1，有RESID(-1)^2+GARCH（-1）=0.95083＜1，滿足約束條件。同時模型中的AIC和SC值比較小，可以認為該模型較好地擬合了數據。
表4日收益率波動率的GARCH（1,1）模型的參數估計
❾ garch模型 怎麼預測未來具體值我用sas 和eviews都只會得出模型 不會預測未來值~~
EVIEWS能出來具體數值，如果你預測的是y，一般他會在yf里，你也可以自己定義變數的，看看你有沒有