来源：http://www.dataguru.cn/article-794-1.html
rugarch包是R中用来拟合和检验garch模型的一个包。该包最早在http://rgarch.r-forge.r-project.org上发布，现已发布到CRAN上。简单而言，该包主要包括四个功能:
- 拟合garch族模型
- garch族模型诊断
- garch族模型预测
- 模拟garch序列
- 拟合序列分布
下面分别说一下。
一、拟合garch族模型
拟合garch族模型分三个步骤：
（1）通过ugarchspec函数设定模型形式
（2）通过ugarchfit函数拟合模型
设定模型形式
一个典型的garch（p,q）模型如下：
该模型由三个部分构成，均值方程对应式（1），分布假设对应（2），方差方程对应式（3），对三个部分进行适当的变形后可以形成egarch模型，egarch-ged模型，egarch-t模型，Igarch模型，garch-m模型和Qgarch模型等。因此，设定模型形式就是分别设定均值方程、方差方程和分布。
rugarch包的优越之处正在于这里。ugarchspec函数的参数也被分解为为三个主要部分，分别是variance.model，对应式（3），mean.model，对应式（1），distribution.model对应式（2）中的$\epsilon$。用户通过对三个部分的参数的分别设定从而构造出自己想用的模型。
举个例子：
variance.model = list(model = "sGARCH", garchOrder = c(1, 1),submodel = NULL, external.regressors = NULL, variance.targeting = FALSE),
表示拟合的方差模型为sGARCH,方差模型的自回归阶数是（1，1），方差模型中未引入外生变量。
mean.model = list(armaOrder = c(1, 1), include.mean = TRUE, archm = FALSE, archpow = 1, arfima = FALSE, external.regressors = NULL, archex = FALSE)
表示均值方程为arma(1,1)模型，方程自变量中包含均值，未引入外生变量。
distribution.model = "norm"
表示模型分布假设为正态分布。
将三个部分装入ugarchspec的参数中就可以完成一个sgarch(1,1)-norm模型的模型设定。
myspec=ugarchspec(variance.model = list(model = "sGARCH", garchOrder = c(1, 1), submodel = NULL, external.regressors = NULL, variance.targeting = FALSE), mean.model = list(armaOrder = c(1, 1), include.mean = TRUE, archm = FALSE, archpow = 1, arfima = FALSE, external.regressors = NULL, archex = FALSE), distribution.model = "norm")
拟合模型
拟合模型的函数是ugarchfit。ugarchfit的参数如下：
ugarchfit(spec, data, out.sample = 0, solver = "solnp", solver.control = list(),fit.control = list(stationarity = 1, fixed.se = 0, scale = 0), ...)
其中，spec为ugarchspec函数的结果，data为数据对象。solver为优化算法。solver.control设定优化参数，fit.control设定拟合参数。
接上面的例子：
myfit=ugarchfit(myspec,data=sp500ret,solver="solnp")
到这里一个garch模型就完成了。
查看结果
键入下列代码查看模型的拟合结果：
提取模型结果
rugarch包中模型结果的提取要依靠as.data.frame函数。比如提取模型的拟合值
as.data.frame(myfit,which="fitted")
提取残差序列：
as.data.frame(myfit,which=" residuals")
提取方差序列：
as.data.frame(myfit,which="sigma")
当然，也可以同时查看所有：
as.data.frame(myfit,which=all)
或者
as.data.frame(myfit)
两个语句等价。
二、模型诊断
通过plot(myfit)可以对模型结果进行图形诊断：
> plot(myfit)
Make a plot selection (or 0 to exit):
1: Series with 2 Conditional SD Superimposed
2: Series with 2.5% VaR Limits (with unconditional mean)
3: Conditional SD
4: ACF of Observations
5: ACF of Squared Observations
6: ACF of Absolute Observations
7: Cross Correlation
8: Empirical Density of Standardized Residuals
9: QQ-Plot of Standardized Residuals10: ACF of Standardized Residuals11: ACF of Squared Standardized Residuals12: News-Impact CurveSelection: 1
三、模型预测
如果模型通过检验，可以用ugarchforcast函数对未来进行预测：
可以用fpm或者plot来查看模型的预测结果。比如：
> plot(fore)
Make a plot selection (or 0 to exit):
1: Time Series Prediction (unconditional)
2: Time Series Prediction (rolling)
3: Conditional SD PredictionSelection: 1