GARCH模型的估计检验及异常点挖掘的任务书任务描述：为了评估金融风险，GARCH（GeneralizedAutoregressiveConditionalHeteroskedasticity）模型是一种常用的时间序列模型。本任务的目标是利用GARCH模型对某一金融市场的波动性进行分析。具体地，您需要完成以下任务：1.用已有数据估计GARCH模型的参数。2.对GARCH模型进行检验，比较模型的表现与其他可能的模型，并选择出最优的模型。3.利用GARCH模型进行异常点挖掘，即找出与模型预测不一致的数据点。4.对异常点进行分析，找出它们的原因并提出相应的解决方法。任务要求：1.对数据进行预处理，如缺失值填充、离群值处理等。2.使用R或Python等编程语言进行数据分析。3.进行GARCH模型的参数估计和检验，并提交模型的代码和结果。4.提交异常点挖掘的代码和结果，分析和解释异常点的原因。5.根据异常点的分析，提出相应的解决方法。6.最终提交任务报告，包括数据预处理、GARCH模型的参数估计和检验、异常点挖掘及分析、解决方法等。参考资料：1.Engle,R.F.(1982).AutoregressiveconditionalheteroscedasticitywithestimatesofthevarianceofUnitedKingdominflation.Econometrica:JournaloftheEconometricSociety,987-1007.2.Nelson,D.B.(1991).Conditionalheteroskedasticityinassetreturns:Anewapproach.Econometrica:JournaloftheEconometricSociety,347-370.3.Alexander,C.(2008).Marketriskanalysis,practicalfinancialeconometrics(Vol.1).JohnWiley&Sons.