ARIMA和GARCH模型的AIC比较

我偶然发现了一个关于基于AIC的模型选择的问题。出于预测目的，我想选择AIC最低的模型。我首先拟合了一个ARIMA模型，得到了AIC_ARIMA=-952.37

在那之后，我想看看ARIMA-GARCH模型将如何与此进行比较。为了拟合模型，我使用了R中“rugarch”包中的ugarchfit（）函数。参数的选择方式使AIC最小化

奇怪的是，AIC现在是-3.4688，这表明ARIMA模型比ARIMA-GARCH好得多，我认为ARIMA-GARCH的差异太大了。我深入研究后发现：

由于AIC的计算公式为：

AIC=2*k-2*logLik，其中k是估计的参数数量

输出不应该是AIC=2*9-2*510.2484=-1002.4968，从而导致选择ARIMA-GARCH吗

希望有人能帮我找出哪里出了问题

亲切问候,，

---

T Goose

这篇文章应该能帮到你：谢谢你的回复。所以是-3.4688，但我的问题是，标准怎么能降低这么多？拟合ARIMA-GARCH后的残差是白噪声，所以我认为模型拟合得很好。不过，我认为我应该用与“rugarch”中相同的方法计算ARIMA中的AIC（AIC按N缩放，至少我是这样解释另一篇文章的）。