python - 如何在 R 或 Python 语言中以状态空间形式估计 GARCH-M？

Question

我需要以状态空间形式估计 GARCH-M 以找到随时间变化的风险厌恶。模型是这样的：

其中 r 是任何资产的回报。
     我试图在Eviews中使用卡尔曼滤波器估计这个模型，以返回任何资产，但该模型总是返回错误。EViews 中存在一个错误，即它无法估计状态方程中存在非线性误差的状态空间模型。

我的问题是：

1 - 有没有办法线性化这个模型？
2 - 在这种情况下，我尝试使用卡尔曼滤波器，如Chou and Engle, 1992中的那样。但还有其他方法吗？
3 - 有一个 R 或 Python 库来估计这个模型？

     我在这里看到了一个类似的问题，但是链接到可能的图书馆，回答所提供问题的人不起作用。

我感谢任何帮助。

标签： pythonrkalman-filterstate-spacefgarch