GARCHSK 模型的判定结果

GARCHSK 模型的判定结果可以从模型的估计结果中获得。下面是一些常用的判定指标：

1. 残差自相关性检验：用于检验残差序列是否存在自相关性。可以使用 Ljung-Box 检验或 Portmanteau 检验进行检验。如果检验结果显示存在自相关性，则说明模型没有完全捕捉数据的信息。

2. 条件异方差检验：用于检验残差序列是否存在异方差性。可以使用 ARCH-LM 检验或 McLeod-Li 检验进行检验。如果检验结果显示存在异方差性，则说明模型需要进一步改进。

3. 模型拟合优度：用于检验模型的拟合效果。可以使用信息准则（如 AIC、BIC、HQIC 等）进行比较。较小的信息准则值表示模型拟合效果较好。

4. 模型残差分布检验：用于检验残差序列的分布是否符合正态分布假设。可以使用 Shapiro-Wilk 检验或 Kolmogorov-Smirnov 检验进行检验。如果检验结果显示残差序列不符合正态分布假设，则说明模型需要进一步改进。

在 R 语言中，可以使用 `ugarchfit` 函数中的 `residuals` 属性来获取模型的残差序列。然后，可以使用 `acf` 函数、`Box.test` 函数、`ugarchdistribution` 函数等进行相关的检验。例如：

# 获取模型残差序列
resid <- residuals(fit)

# 残差自相关性检验
acf(resid, lag.max = 20)
Box.test(resid, lag = 20, type = "Ljung-Box")

# 条件异方差检验
ugarchdistribution(fit, method = "mcl")

# 模型拟合优度
fit$aic
fit$bic
fit$hqict

# 模型残差分布检验
shapiro.test(resid)
ks.test(resid, "pnorm")