我正在尝试使用fGarch和rugarch获得一些结果，但有些差异我不清楚。 我正在使用S＆P500，从2010年7月19日到2018年12月14日。
如您所见，p值不同。在fGarch模型中，ar1和ma1是不重要的，而在rugarch模型中，ar1和ma1是重要的。怎么了？ 如果我检查残差也大不相同。 感谢您的帮助
返回值的计算方式为：diff(log(SP500_190710_141218$Price)*100)
根据带有rugarch的学生t分布，我对ARMA（1,1）GARCH（1,1）的结果是：
model=ugarchspec(variance.model = list(model = "sGARCH", garchOrder = c(1, 1)),mean.model = list(armaOrder = c(1,1), include.mean = TRUE), distribution.model = "std")
grunt11= ugarchfit(spec=model, solver = "hybrid", data=RETSP)
fGarch的结果是： ‘gt11 = garchFit（〜arma（1,1）+ garch（1,1），数据= RETSP，cond.dist =“ std”，include.mean = TRUE，trace = FALSE）
来自rugarch的结果：
估算标准误差t值Pr（> | t |）
亩-0.080919 0.007346 -11.0158 0.000000
ar1 0.893286 0.024206 36.9035 0.000000
ma1 -0.936828 0.020686 -45.2872 0.000000
omega 0.022036 0.006513 3.3837 0.000715
alpha1 0.161692 0.026779 6.0381 0.000000
beta1 0.827910 0.025574 32.3725 0.000000
形状4.766428 0.520076 9.1649 0.000000
fGarch的结果：
估算标准误差t值Pr（> | t |）
亩0.108408 0.041973 2.583 0.009800 **
ar1 -0.378394 0.499839 -0.757 0.449031
ma1 0.325898 0.521711 0.625 0.532187
omega 0.022705 0.006573 3.454 0.000551 ***
alpha1 0.165954 0.026955 6.157 7.43e-10 ***
beta1 0.823564 0.025625 32.139 <2e-16 ***
形状4.837656 0.540961 8.943 <2e-16 ***