关于复制REGARCH 1模型：均值方程变量及EGARCH公式的技术疑问

我刚好研究过Brandt & Jones提出的REGARCH框架，针对你遇到的两个核心问题，整理了详细的解释：

一、REGARCH 1模型的均值方程变量明确 #

在Brandt & Jones（2012）的REGARCH 1设定中，均值方程的核心逻辑是捕捉收益的自相关性，具体变量定义如下：

• 因变量：资产的一期超额收益，通常表示为 $R_t - r_{f,t}$，其中$R_t$是t期资产的实际收益率，$r_{f,t}$是t期无风险利率（比如短期国债收益率）。
• 自变量：滞后一期的超额收益，即 $R_{t-1} - r_{f,t-1}$。

论文里没有把这个设定写得特别直白，但结合他们的实证设计（比如用股票市场的超额收益数据做检验）和REGARCH模型的定位——兼顾收益自相关与波动反馈效应，这个设定完全符合传统GARCH类模型的均值方程逻辑。如果需要进一步验证，可以参考论文中实证部分的变量描述细节。

二、EGARCH差分形式的变量含义拆解 #

先把你提到的公式明确出来：

ln(ht) − ln(ht−1) = κ(θ − ln ht−1) + φ(XD)+ δ(Rt−1/ht−1)

其中你疑惑的ln(ht) − ln(ht−1) = κ(θ − ln ht−1)部分，每个变量的含义和作用如下：

• ln(ht)：t期条件方差的对数（和Nelson原始EGARCH一致，用对数形式避免方差为负的约束）
• ln(ht−1)：t-1期条件方差的对数
• κ：均值回复系数，取值范围在0到1之间。它衡量的是条件方差对数向长期均值收敛的速度——κ越接近1，收敛速度越快；越接近0，收敛越慢。
• θ：长期条件方差的对数均值。当ln(ht−1)等于θ时，这一项的右侧为0，此时ln(ht) = ln(ht−1)，意味着波动进入稳态。

这部分其实是对Nelson（1991）原始EGARCH的关键调整：原始模型直接建模ln(ht)的水平值，而REGARCH则建模ln(ht)与ln(ht−1)的差分，用这个均值回复项来控制波动的长期趋势，让波动的更新更贴合“回归GARCH”的核心设计。

内容的提问来源于stack exchange，提问作者ttt