没有ARCH效应可以建立的GARCH模型

即使没有ARCH效应，也可以建立GARCH模型。GARCH模型是一种考虑了时间序列数据波动率异方差性的模型，它可以用于描述时间序列数据中的波动率变化不稳定或变化不均匀的现象。 GARCH模型包括ARCH模型和GARCH模型的特点，它在ARCH模型的基础上增加了对过去波动率的反馈，因此可以更好地捕捉时间序列数据中的波动率异方差性。GARCH模型的形式如下： $$ \sigma_t^2 = \omega + \sum_{i=1}^{p}\alpha_i\varepsilon_{t-i}^2 + \sum_{j=1}^{q}\beta_j\sigma_{t-j}^2 $$ 其中，$\omega$表示常数项，$\alpha_i$和$\beta_j$分别表示ARCH和GARCH效应的系数，$\varepsilon_{t-i}$表示时间序列数据的残差，$\sigma_{t-j}$表示时间序列数据的波动率。 当$q=0$时，GARCH模型退化为ARCH模型；当$p=0$时，GARCH模型退化为常数波动率模型。因此，即使没有ARCH效应，也可以建立GARCH模型来描述时间序列数据的波动率异方差性。