同一组收益率数据，正态分布下的波动率预测比较平缓，换成t分布后却明显升高，这种差异不一定是设置错误。误差分布参与模型估计，会改变参数对异常波动的响应。判断结果时，需要同时核对模型设定、估计是否收敛，以及预测比较的口径，不能只看哪条曲线更接近自己的预期。

　　一、EViews如何设置GARCH模型的误差分布

　　这里设置的是模型误差的条件分布，不能直接等同于原始收益率的分布。比较不同假设时，应固定均值方程、方差结构和估计样本。

　　1、建立一致的模型规格

　　以普通GARCH模型为例，可以先保留一套规格，再分别估计不同误差分布。这样参数和预测的变化才方便解释。

　　①点击【Quick】→【Estimate Equation】，在【Method】中选择【ARCH】。

　　②在均值方程输入框填写被解释变量和解释变量，需要常数时加入【C】。

　　③在方差设定中选择【GARCH/TARCH】，填写【ARCH】和【GARCH】阶数，核对估计【Sample】。

　　2、选择误差分布

　　①打开【Error Distribution】，选择【Normal(Gaussian)】、【Student’s t】或【Generalized Error(GED)】。

　　②需要固定分布参数时，选择【Student’s t with fixed d.f.】或【GED with fixed parameter】，填写相应参数。

　　③点击【OK】估计，使用【Name】保存方程，分别命名为【EQ_N】、【EQ_T】和【EQ_G】。

　　普通t分布选项会估计自由度，固定自由度选项则使用指定值。GED同样区分估计参数和固定参数，不能把两种设置混在一起比较。固定值应有分析依据，不能只为得到平稳曲线反复试填。

　　3、核对估计选项

　　初始方差处理和求解设置也会影响结果。更换分布时若同时调整这些选项，就难以判断差异来自哪里。

　　①在方程窗口点击【Estimate】，进入【Options】，核对求解方法、收敛设置和【Presample variance】。

　　②对各模型采用一致的初始方差处理，重新估计并检查结果中的收敛提示。

　　4、分别保存条件方差预测

　　①点击方程窗口中的【Forecast】，在【GARCH】栏填写条件方差序列名称，例如【H_N】或【H_T】。

　　②设置相同的【Forecast sample】，统一选择【Static】或【Dynamic】，执行预测。

　　③在命令窗口输入【series vol_n= sqrt(h_n)】和【series vol_t= sqrt(h_t)】，生成条件标准差序列。

　　GARCH栏保存的是条件方差，波动率通常指其平方根。均值预测的标准误差又是另一项输出，不能把这些序列直接放在同一口径下比较。

　　二、EViews更换分布假设后波动率预测差异较大如何判断

　　排查可以从预测序列往回看。先排除单位和样本差异，再检查参数及残差，避免把操作不一致解释为分布效应。

　　1、检查单位、日期和预测方式

　　①打开【H_N】、【H_T】及相应波动率序列，核对日期范围和缺失值。

　　②返回各方程的【Forecast】，检查预测起点、终点以及【Static】、【Dynamic】选择。

　　③对照模型中的【被解释变量】，核对是否都使用同一条收益率序列。

　　收益率以小数还是百分数表示，会改变方差和标准差的数值尺度。日波动率与年化波动率也要分开。静态预测与动态预测使用的信息不同，不能把它们的差异全部归到误差分布上。

　　2、比较方差参数和持续性

　　更换分布后，估计方法对大残差的处理发生变化，方差参数也可能随之改变。普通GARCH模型的预测路径差异，通常需要结合这些参数解释。

　　①打开各方程的估计结果，对照【Variance Equation】中的常数项、滞后残差平方项和滞后方差项。

　　②对普通【GARCH(1,1)】记录两个滞后项系数之和，并核对参数符号及相关约束。

　　③查看分布参数估计值和标准误差，检查是否存在明显不稳定的结果。

　　普通GARCH(1,1)中，持续性接近1时，冲击衰减会较慢，远期预测也可能对参数变化更敏感。这个判断不能直接套到EGARCH等其他结构上。t分布尾部更厚，也不意味着它的方差预测必然更高。

　　3、检查标准化残差是否仍有结构

　　①在方程窗口点击【View】→【Residual Diagnostics】→【Correlogram–Q-statistics】，检查标准化残差。

　　②打开【Correlogram Squared Residuals】，对照相同滞后阶数查看标准化残差平方的相关情况。

　　③记录两类检验结果，对照出现预测差异的时期检查。

　　残差仍有相关性时，应考虑均值方程是否遗漏信息；残差平方仍有相关性时，方差结构可能需要调整。采用t分布后标准化残差不符合正态性，并不能单独否定模型，因为正态性已经不再是该模型的分布假设。

　　三、EViews怎样比较不同分布模型的预测表现

　　样本内拟合与样本外预测回答的问题不同。选择分布时，可以保留一段未参与估计的数据，检查模型在新时期的表现。

　　1、固定样本外评价范围

　　①在各方程的【Estimate】中填写相同的训练【Sample】，保留后续观察值用于评价。

　　②点击【Forecast】，采用相同预测方式和区间，分别保存【GARCH】条件方差序列。

　　③在命令窗口输入【group g_vol vol_n vol_t】，打开分组并通过【View】→【Graph】比较走势。

　　样本外比较不能用均值预测误差代替波动率评价。条件方差本身不可直接观察，需要选择一致的波动测度作为参照。单期收益率平方波动较大，不宜只挑某一天判断优劣，应同时查看平稳期和剧烈变化时期。

　　2、结合拟合指标与稳定性作判断

　　①打开各方程结果，核对有效观察值，记录【Log likelihood】、【Akaike info criterion】和【Schwarz criterion】。

　　②适当调整共同的估计窗口，重新估计并保存预测，对照分布参数和预测差异。

　　信息准则应在相同数据和有效样本下比较，较小数值可以作为拟合选择依据，但不能替代样本外检验。若模型排序随窗口稍作调整就反复变化，应继续检查样本长度、异常观察值和结构变化，暂时保留比较结果。

　　总结

　　误差分布的选择需要与数据特征、模型结构和使用目的配合。预测差异较大时，把变化落实到参数、信息集和样本外表现，比直接选取较高或较低的曲线更有依据。保存完整估计设置，也方便后续解释结果为何改变。希望这些内容能帮助大家开展模型比较，如有相关需求，欢迎沟通咨询。