我的最终目标是推导出与我现有的收益率数据相对应的GARCH（1，1）波动率值随时间变化的时间序列数据。
为了做到这一点，第一步，我试图从我在R中运行的代码“ugarchfit”中运行的GARCH（1，1）模型中推导出波动率（即sigma）值。
从这里，我知道如何通过使用命令“coef（）”
但是，我也无法提取出相应的p值。
是否有自动的方法来实现这一点？或者如果我能够提取相应的标准误或t检验值，是否有其他方法来产生相同的相应p值？
下面是我得到的完整输出。

*---------------------------------*
 *          GARCH Model Fit        *
 *---------------------------------*

 Conditional Variance Dynamics  
 -----------------------------------
 GARCH Model    : sGARCH(1,1)
 Mean Model : ARFIMA(0,0,0)
 Distribution   : norm 

 Optimal Parameters
 ------------------------------------
         Estimate  Std. Error  t value Pr(>|t|)
 mu     -0.001183    0.008642 -0.13686 0.891143
 omega   0.006368    0.000713  8.92639 0.000000
 alpha1  0.334860    0.150390  2.22662 0.025973
 beta1   0.000000    0.187089  0.00000 1.000000

 Robust Standard Errors:
         Estimate  Std. Error  t value Pr(>|t|)
 mu     -0.001183    0.009319 -0.12692 0.899008
 omega   0.006368    0.002321  2.74405 0.006069
 alpha1  0.334860    0.175326  1.90993 0.056142
 beta1   0.000000    0.259065  0.00000 1.000000

 LogLikelihood : 90.52192 

 Information Criteria
 ------------------------------------
                
 Akaike       -1.8607
 Bayes        -1.7518
 Shibata      -1.8642
 Hannan-Quinn -1.8167

 Weighted Ljung-Box Test on Standardized Residuals
 ------------------------------------
                         statistic p-value
 Lag[1]                     0.1237  0.7251
 Lag[2*(p+q)+(p+q)-1][2]    0.1237  0.9033
 Lag[4*(p+q)+(p+q)-1][5]    2.2145  0.5687
 d.o.f=0
 H0 : No serial correlation

 Weighted Ljung-Box Test on Standardized Squared Residuals
 ------------------------------------
                         statistic p-value
 Lag[1]                      1.158  0.2819
 Lag[2*(p+q)+(p+q)-1][5]     1.868  0.6500
 Lag[4*(p+q)+(p+q)-1][9]     3.152  0.7337
 d.o.f=2

 Weighted ARCH LM Tests
 ------------------------------------
             Statistic Shape Scale P-Value
 ARCH Lag[3]    0.5813 0.500 2.000  0.4458
 ARCH Lag[5]    0.7021 1.440 1.667  0.8228
 ARCH Lag[7]    0.9818 2.315 1.543  0.9165

 Nyblom stability test
 ------------------------------------
 Joint Statistic:  0.7391
 Individual Statistics:              
 mu     0.09335
 omega  0.18718
 alpha1 0.07268
 beta1  0.29205

 Asymptotic Critical Values (10% 5% 1%)
 Joint Statistic:        1.07 1.24 1.6
 Individual Statistic:   0.35 0.47 0.75

 Sign Bias Test
 ------------------------------------
                    t-value   prob sig
 Sign Bias          0.25257 0.8012    
 Negative Sign Bias 0.08968 0.9287    
 Positive Sign Bias 0.22847 0.8198    
 Joint Effect       0.48299 0.9226    

 Adjusted Pearson Goodness-of-Fit Test:
 ------------------------------------
   group statistic p-value(g-1)
 1    20     34.53      0.01591
 2    30     37.00      0.14622
 3    40     51.09      0.09308
 4    50     49.47      0.45423

字符串