如下：
时间序列建模都要从平稳性检验开始，做完平稳性检验（如果是考虑多序列的还要做协整检验），就开始做均值模型（arima等），对均值模型的残差进行检验，如果发现又arch效应，才对残差建立Garch模型。
ARCH模型（Autoregressive conditional heteroskedasticity model）全称“自回归条件异方差模型”，解决了传统的计量经济学对时间序列变量的第二个假设（方差恒定）所引起的问题。GARCH模型称为广义ARCH模型，是ARCH模型的拓展，由Bollerslev(1986)发展起来的。
时间序列是按照时间排序的一组随机变量，它通常是在相等间隔的时间段内依照给定的采样率对某种潜在过程进行观测的结果。
时间序列数据本质上反映的是某个或者某些随机变量随时间不断变化的趋势，而时间序列预测方法的核心就是从数据中挖掘出这种规律，并利用其对将来的数据做出估计。
构成要素：长期趋势，季节变动，循环变动，不规则变动。
1）长期趋势（T）现象在较长时期内受某种根本性因素作用而形成的总的变动趋势。
2）季节变动（S）现象在一年内随着季节的变化而发生的有规律的周期性变动。
3）循环变动（C）现象以若干年为周期所呈现出的波浪起伏形态的有规律的变动。
4）不规则变动（I）是一种无规律可循的变动，包括严格的随机变动和不规则的突发性影响很大的变动两种类型。
如下：
系统：WIN7。
软件：eviews10。
电脑：联想小新Air14。
1、首先我们打开电脑，如下图，进入“Excel”，然后创建新的数据电子表格，将电子表格的数据导入至“eviews”，然后点击“完成”。
2、在系统弹出窗口中输入“cor coilfuture dow shindex nagas opec ueurope urmb”。
3、打开“菜单”“graph”，在对话框中输入序列的名称“coilfuture”然后点击“OK”。
4、进入“test type”，点击“test”-“intercept”，设置相关的参数。
5、我们在参数设置完后，在弹出的对话框点击“OK”即可。
