我试图用时间序列数据估计AR（q）-GARCH（q，p）模型，该数据具有超过10,000个观测值。此外，我的模型有3个虚拟变量，我需要能够包含多个时间序列的AR和GARCH估计，并估计AIC和BIC以确定最适合的模型。 为了总体而言，我的stata代码看起来大致如下：
xtset id t
statsby e(estat_ic), by(id) saving (dta_results): arch x L.x L2.x L3.x d1 d2 d3, arch(2) garch(2) het(d4 d5 d6) gtolerance(999)
数据为长格式，id表示变量的不同观察值，t是时间索引。
毋庸置疑，这需要永远迭代。有没有办法在不切换数据频率较低的情况下加快流程？
如果您有有用的文章等，请随时向我推荐，我已经做了很多谷歌搜索，但结果很少。例如是吗值格式会影响迭代次数，是否可以设置系数的起始值，这有用吗？