我正在处理我想要预测的时间序列。
数据有点保密，所以我不能在这里分享情节或任何相关的事情，但是，我想尽可能清楚地表达我的问题。
我试图在我的时间序列商品价格波动中使用SARIMA模型。波动具有52周（大约）的季节性，在拟合时间序列之后，我得到异方差残差，并且已经通过Ljung-Box测试残差方格验证，残差方格的图显示高波动率的时段和低波动率聚集在一起。
我正在尝试在我的SARIMA残差上拟合Garch模型，并将模型拟合值添加到sarima拟合值中以获得最终结果。 但似乎这个过程并不正确，因为异方差性正在改变SARIMA的对数似然函数（假设具有同一性）。
这也会影响最大似然和估计参数，这会影响我的预测精度。 在我的想法中，R中没有功能，实现SARIMA + GARCH模型，我知道ARMA + GARCH，但这与我的数据集无关。
1）我如何在R或Python中实现它？
2）如何计算对数似然？
我读过很少与该主题相关的研究论文，但没有人提到过这个方法，他们都分享了结果。