Python中GARCH建模遇DataScaleWarning缩放警告及收敛失败问题

• 最核心的原因是arch包的GARCH实现对输入序列的数值量级高度敏感：优化器默认适配标准差接近1的输入序列，而你使用的欧元兑美元日度对数收益率本身量级仅为1e-4级别，对应的ARIMA残差数值也极小、接近0，优化过程中浮点精度不足就会触发DataScaleWarning，甚至出现收敛失败的情况。
• 手动设置rescale=False后报错的原因：关闭自动缩放逻辑后，小量级的参数计算会突破GARCH模型的不等式约束（比如截距项ω>0、ARCH项系数+GARCH项系数<1等），优化器无法找到满足所有约束的可行解，就会抛出「inequality constraints incompatible」错误。

方案1：手动缩放输入序列（最稳定） #

GARCH模型具备尺度不变性：输入序列乘以常数k，输出的条件方差会乘以k²，条件标准差乘以k，缩放操作不会影响模型的逻辑有效性。你只需要在输入前将残差放大到标准差接近1的水平，拟合完成后再把波动率结果还原即可，参考修改代码：

# GARCH模型部分修改为以下代码
# 残差放大10000倍，适配优化器的数值要求
scaled_resid = arima_model.resid * 10000
am = arch.arch_model(scaled_resid)
res = am.fit()
print(res.summary())

# 需要使用原尺度波动率时，将条件标准差除以对应放大倍数即可
original_vol = res.conditional_volatility / 10000

方案2：使用默认自动缩放（最简单） #

arch包默认开启rescale=True参数，会自动完成输入序列的缩放和最终参数的还原，仅会抛出警告不会影响结果正确性。如果不需要手动控制缩放逻辑，直接保留默认参数、忽略警告即可，也可以主动过滤该类警告避免干扰：

import warnings
from arch.exceptions import DataScaleWarning
# 过滤GARCH的缩放警告
warnings.filterwarnings("ignore", category=DataScaleWarning)

方案3：调整优化器参数（不推荐） #

如果必须关闭自动缩放，可以修改拟合时的优化器配置，更换求解器或者放宽收敛阈值，但该方法稳定性较差，仅做参考：

am = arch.arch_model(arima_model.resid, rescale=False)
# 更换求解器为SLSQP，调整迭代次数上限
res = am.fit(options={'maxiter': 1000}, solver='slsqp')

内容的提问来源于stack exchange，提问作者Anthony