无条件方差是指不依赖于任何观测值的方差，通常用于统计模型中作为比较基准。在EGARCH（Exponential Generalized Autoregressive Conditional Heteroskedasticity）模型中，无条件方差表示为 （ sigma_t^2 ） 的期望值，即 （ E（sigma_t^2） ）。

EGARCH（1,1）模型的无条件方差可以通过以下公式表示：

[ ln（sigma_t^2） = omega + beta ln（sigma_{t-1}^2） + alpha left| frac{u_{t-1}}{sigma_{t-1}} right| + gamma left（ frac{u_{t-1}}{sigma_{t-1}} right） ]

其中 （ omega ）、（ beta ）、（ alpha ） 和 （ gamma ） 是模型参数，（ u_{t-1} ） 是标准化后的残差项。

对上述等式两边取期望，得到无条件方差 （ E（sigma_t^2） ） 的表达式：

[ E（ln（sigma_t^2）） = omega + beta E（ln（sigma_{t-1}^2）） + alpha Eleft| frac{u_{t-1}}{sigma_{t-1}} right| + gamma Eleft（ frac{u_{t-1}}{sigma_{t-1}} right） ]

由于 （ u_{t-1} ） 是白噪声，其期望值为0，因此 （ Eleft（ frac{u_{t-1}}{sigma_{t-1}} right） ） 也为0。所以，无条件方差简化为：

[ E（ln（sigma_t^2）） = omega + beta E（ln（sigma_{t-1}^2）） ]

这个表达式给出了 （ sigma_t^2 ） 的期望值，即无条件方差。