Список проголосовавших за комментарий "<blockquote>+ «с автокорреляцией которая дает <strong>нестационарность</strong> ошибки». Я упустил это уточнение о нестационарности ошибки в посте, вы это имели ввиду, или что то другое</blockquote><br/> думаю нет… я про вот это<br/> <br/> <blockquote>Соотв прогноз волатильности это 2 числа</blockquote><br/> как вообще пришли к GARCH?<br/> — сначала прогнозировали r как регрессию от предыдущих r и \eps, по сути <strong>это ARMA для локация</strong><br/> — задумались, что \sigma перед \eps тоже как-то меняется и написали на неё (её квадрат) еще одну регрессию — <strong>это ARMA для масштаба или GARCH</strong><br/> <br/> впринципе, то о чем вы пишите дальше — это про регрессию для log \Sigma^2 через неё саму и log \r^2, таки да, оно постационарнее будет чем просто для \sigma^2, но вот будет ли оно правдоподобнее я не проверял, наверное будет ...<br/> <br/> вопрос — а почему вы останавливаетесь на модели для log \sigma^2? можно же продолжать и дальше — у этой модели есть инновация — coeff * (log [r^2 / \sigma^2] — avg)<br/> <br/> всё сказанное выше можно провернуть еще раз и для log coeff^2<br/> <br/> ps: кстати, а как вы логорифмируете r^2 при r=0?"