写在前面在处理金融时间序列数据的时候，通常使用ARCH模型，ARCH模型的自身契合程度较高，但如果研究的是多元时序相关性，那么一元GARCH（p，q）模型就不足以解释了，这时候就要请出我们的多元GARCH（p，q）模型针对不同时间序列波动相关性开展相应描述
多元GARCH（p，q）模型自身具备多样化的表达形式，具体涵盖BEKK-GARCH（p，q）、DCC-GARCH（p，q）、CCC-GARCH（p，q）、VECH-GARCH（p，q）等
01BEKK-MGARCH模型介绍‍‍因为BEKK可对方差-协方差矩阵自身正定性进行有效保障，同时降低预估参数的具体个数，以及对于波动序列之间的依赖较为许可，由此可知相较于其他模型，BEKK-GARCH（p，q）模型可对差异化序列内部波动溢出关系进行较为有效的检验，其自身方程可具体表达为：均值方程具体为：‍‍方差方程具体为：‍在上述均值方程内部，时间序列i由t-1时刻至t时刻的实际符合收益率具体用表示，其中，曾经信息下的条件期望值具体用表示，随机干扰项具体用表示
在上述方差方程内部，条件方差-协方差矩阵具体用表示，下三角矩阵具体用C表示，A与B具体为n阶方阵
VAR是均是方程所选用的具体因素，其对于市场收益率的有效呈现受到前期收益率较为显著的影响，同时其他市场前期收益率也对其带来不同程度的影响效应
其自身实际系数反应流程与Granger因果检验最终结果一致，本文不再开展详细描述
方差方程式对于不同市场收益率的实际溢出效应进行了有效呈现，为实现便捷化、直观化的呈现，本文将上述矩阵合理转化为下列方程组：条件方差具体为：‍条件协方差具体为：BEKK-GARCH（p，q）模型的假设使得其系数难以通过传统的检验，在对市场是否存在溢出效应的时候只能对其关键系数是否为0进行检验
具体假设如下所示：Ho：==0的时候，溢出效应不存在于市场内
02BEKK模型的winrats操作步骤此处以winrats7.0版本为例1.软件打开界面2.选择data，打开data'下的Other data，选择目标目录下的文件，格式.上没具体要求，这里用的.csv文件
3.点击ok
有具体格式或者其他要求在页面对应位置选择
4.选择statistics，ARCH/GARCH
然后打开dependent variable（s）选择变量
5.将变量从右侧选择进左侧，这里注意数据变量名称最好为字母，数字需要放在字母后
6、选择BEKK模型，分布选择T分布
点击ok，等待运算结果
以上便是BEKK模型的全部内容了，是不是跃跃欲试了，那就赶紧动起来吧