Un coeficiente negativo no implica necesariamente un $\sigma^{2}$ . Normalmente no imponemos restricciones de positividad durante la estimación, entonces comprobamos si $\sigma^{2}$ toma algunos valores negativos o si los coeficientes respetan algunas restricciones de positividad conocidas (cuando estas restricciones son conocidas).
En cuanto al modelo Garch estándar, se puede forzar que todos los coeficientes sean positivos durante la maximización de la probabilidad, pero no es un necesario condición (sólo un suficiente ), la formulación original de Bollerslev (86) impone esta restricción suficiente. Si se emplea esta restricción, no se deben "eliminar" los coeficientes negativos, ya que nunca deben aparecer como resultado plausible durante la estimación.
Para cada tipo de modelo Garch, las condiciones suficientes (es decir, las restricciones de los parámetros) son diferentes; como ejemplo, véase Tsai, H., & Chan, K. S. (2008) para el modelo Garch. Egarch, GJR... tienen diferentes restricciones.
Tsai, H., & Chan, K. S. (2008). A note on inequality constraints in the garch model. Econometric Theory, 24(3), 823-828. http://doi.org/10.1017/S0266466608080432
Bollerslev, T. (1986). Generalized Autoregressive Conditional Heteroskedasticity. Journal of Econometrics, 31, 307-327.