主要内容

模拟

条件方差模型的蒙特卡洛模拟

在页面中崩溃

句法

V =仿真（MDL，Numobs）
V =仿真（MDL，Numobs，名称，值）
[v，y] =模拟（___）

描述

例子

v=模拟（MDL，，，，numobs）模拟anumobs- 完全指定条件方差模型的条件方差路径MDL。MDL可以是一个Garch，，，，埃加奇， 或者GJR模型。

例子

v=模拟（MDL，，，，numobs，，，，名称，价值）使用一个或多个指定的其他选项模拟条件差异路径名称，价值配对参数。例如，您可以生成多个示例路径或指定预先样本创新路径。

例子

[[v，，，，y] =模拟（___）另外，使用先前语法中的任何输入参数模拟响应路径。

例子

全部收缩

打开实时脚本

模拟来自GARCH（1,1）模型的条件方差和响应路径。

指定具有已知参数的GARCH（1,1）模型。

mdl = garch（'持续的'，0.01，'garch'，0.7，'拱'，0.2）;

模拟500个样本路径，每个路径有100个观测值。

RNG默认;％可再现性[V，Y] =模拟（MDL，100，“数字”，500）;图子图（2,1,1）图（v）标题（v）“模拟条件差异”）子图（2,1,2）图（y）标题（y）“模拟响应”）

图包含2个轴对象。带有标题模拟条件差异的轴对象1包含500个类型行的对象。带有标题模拟响应的轴对象2包含500个类型行的对象。

模拟响应看起来像是从固定随机过程中绘制的。

绘制模拟条件差异的第2.5，第50（中值）和第97.5个百分位数。

下= prctile（v，2.5,2）;中间=中值（V，2）;upper = prctile（v，97.5,2）;图图（1：100，下，'R：'，1：100，中间，'K'，，，，...1：100，鞋面，'R：'，，，，'行宽'，2）传奇（'95％间隔'，，，，“中位数”） 标题（“大约95％的间隔”）

图包含一个轴对象。标题大约95％间隔的轴对象包含3个类型线的对象。这些对象表示间隔95％，中位数。

由于条件差异的积极限制，间隔是不对称的。

打开实时脚本

模拟来自Egarch（1,1）模型的条件方差和响应路径。

指定具有已知参数的Egarch（1,1）模型。

mdl = egarch（'持续的'，0.001，'garch'，0.7，'拱'，0.2，...'杠杆作用'，-0.3）;

模拟500个样本路径，每个路径有100个观测值。

RNG默认;％可再现性[V，Y] =模拟（MDL，100，“数字”，500）;图子图（2,1,1）图（v）标题（v）“模拟条件差异”）子图（2,1,2）图（y）标题（y）“模拟响应（创新）”）

图包含2个轴对象。带有标题模拟条件差异的轴对象1包含500个类型行的对象。带有标题模拟响应（创新）的Axes Object 2包含500个类型行的对象。

模拟响应看起来像是从固定随机过程中绘制的。

绘制模拟条件差异的第2.5，第50（中值）和第97.5个百分位数。

下= prctile（v，2.5,2）;中间=中值（V，2）;upper = prctile（v，97.5,2）;图图（1：100，下，'R：'，1：100，中间，'K'，，，，...1：100，鞋面，'R：'，，，，'行宽'，2）传奇（'95％间隔'，，，，“中位数”） 标题（“大约95％的间隔”）

图包含一个轴对象。标题大约95％间隔的轴对象包含3个类型线的对象。这些对象表示间隔95％，中位数。

由于条件差异的积极限制，间隔是不对称的。

打开实时脚本

模拟来自GJR（1,1）模型的条件方差和响应路径。

指定具有已知参数的GJR（1,1）模型。

mdl = gjr（'持续的'，0.001，'garch'，0.7，'拱'，0.2，...'杠杆作用'，0.1）;

模拟500个样本路径，每个路径有100个观测值。

RNG默认;％可再现性[V，Y] =模拟（MDL，100，“数字”，500）;图子图（2,1,1）图（v）标题（v）“模拟条件差异”）子图（2,1,2）图（y）标题（y）“模拟响应（创新）”）

图包含2个轴对象。带有标题模拟条件差异的轴对象1包含500个类型行的对象。带有标题模拟响应（创新）的Axes Object 2包含500个类型行的对象。

模拟响应看起来像是从固定随机过程中绘制的。

绘制模拟条件差异的第2.5，第50（中值）和第97.5个百分位数。

下= prctile（v，2.5,2）;中间=中值（V，2）;upper = prctile（v，97.5,2）;图图（1：100，下，'R：'，1：100，中间，'K'，，，，...1：100，鞋面，'R：'，，，，'行宽'，2）传奇（'95％间隔'，，，，“中位数”） 标题（“大约95％的间隔”）

图包含一个轴对象。标题大约95％间隔的轴对象包含3个类型线的对象。这些对象表示间隔95％，中位数。

由于条件差异的积极限制，间隔是不对称的。

打开实时脚本

模拟每日纳斯达克综合指数的条件差异返回500天。使用模拟进行预测和大约95％的预测间隔。比较Garch（1,1），Egarch（1,1）和GJR（1,1）拟合中的预测。

加载工具箱中包含的NASDAQ数据。将索引转换为返回。

加载data_equitydxnasdaq = datatable.nasdaq;r = Price2Ret（NASDAQ）;t =长度（r）;

FIT GARCH（1,1），Egarch（1,1）和GJR（1,1）模型适合整个数据集。推论条件差异作为预测模拟的预处理条件方差。

mdl =单元格（3,1）;％预定％mdl {1} = garch（1,1）;mdl {2} = egarch（1,1）;mdl {3} = gjr（1,1）;estmdl = cellfun（@（x）估计（x，r，'展示'，，，，'离开'），MDL，...“统一输出”，错误的）;v0 = cellfun（@（x）推理（x，r），estmdl，“统一输出”，错误的）;

estmdl为3 x-1细胞矢量。每个单元是一种不同类型的估计条件方差模型，例如estmdl {1}是估计的GARCH（1,1）模型。v0是一个3 x-1细胞向量，每个细胞包含来自相应的估计模型的推断条件差异。

模拟1000个样品路径，每个样品每个观测值500。使用观察到的回报，并推断有条件差异作为前样品数据。

VSIM =单元格（3,1）;％预定％为了j = 1：3 rng默认;％可再现性vsim {j} = simulate（estmdl {j}，500，“数字”，1000，'e0'，r，，'v0'，v0 {j}）;结尾

VSIM是一个3 x-1的细胞向量，每个细胞包含从相应的，估计的模型生成的模拟条件方差的500 x-1000矩阵。

绘制模拟平均预测和大约95％的预测间隔，以及从数据推断出的条件差异。

lower = cellfun（@（x）prctile（x，2.5,2），vsim，“统一输出”，错误的）;upper = cellfun（@（x）prctile（x，97.5,2），vsim，“统一输出”，错误的）;mn = cellfun（@（x）平均值（x，2），vsim，“统一输出”，错误的）;datesplot = dates（end -250：end）;datesfh = date（end） +（1：500）';h =零（3,4）;数字为了j = 1：3 col =零（1,3）;col（j）= 1;h（j，1）= plot（datesplot，v0 {j}（end-250：end），'颜色'，col）;抓住在h（j，2）=图（datesfh，mn {j}，，'颜色'，上校'行宽'，3）;h（j，3：4）=图（[datesfh datesfh]，[下{j} upper {j}]，'：'，，，，...'颜色'，上校'行宽'，2）;结尾HGCA = GCA;绘图（datesfh（1）*[1 1]，hgca.ylim，'K--'）；dateTick;轴紧的;h = h（：，1：3）;传奇（h（:)，，，'garch-推断'，，，，'egarch-推断'，，，，'GJR-推断'，，，，...'garch -sim。意思是'，，，，'egarch -sim。意思是'，，，，'gjr -sim。意思是'，，，，...'Garch -95％前。int。，，，，'egarch -95％前。int。，，，，...'GJR -95％前。int。，，，，'地点'，，，，'东北'） 标题（“模拟条件差异预测”） 抓住离开

图包含一个轴对象。带有标题模拟条件方差预测的轴对象包含13个类型行的对象。这些对象代表Garch-推断，Garch -sim。卑鄙，Garch -95％前。Int。，Egarch-推断，Egarch -sim。卑鄙，Egarch -95％前。int。，gjr-推断，gjr -sim。平均GJR -95％前。int ..

输入参数

全部收缩

条件差异模型没有任何未知参数，指定为Garch，，，，埃加奇， 或者GJR模型对象。

MDL不能包含任何具有的属性南价值。

样品路径长度，指定为正整数。也就是说，要生成每个输出路径的随机观察数。v和y有numobs行。

名称值参数

将可选的参数对name1 = value1，...，namen = valuen， 在哪里姓名是参数名称和价值是相应的值。名称值参数必须在其他参数之后出现，但是对的顺序并不重要。

在R2021a之前，请使用逗号分隔每个名称和值，并附上姓名用引号。

例子：“ NumPaths”，1000，'e0'，[0.5;0.5]指定生成1000示例路径并使用[0.5;0.5]作为每道路的预先创新。

生成样本路径的数量，指定为逗号分隔对“数字”和一个积极的整数。v和y有数字列。

例子：“ Numpaths”，1000

数据类型：双倍的

预先样本创新，指定为逗号分隔对'e0'以及数字列向量或矩阵。预先样本创新为条件差异模型的创新过程提供了初始值MDL。预先样本创新来自平均0的分布。

E0至少必须包含MDL.Q元素或行。如果E0包含额外的行，模拟使用最新MDL.Q只要。

最后一个元素或行包含最新的前样品创新。

  • 如果E0是列矢量，它代表了基础创新序列的单个路径。模拟适用E0到每个模拟路径。

  • 如果E0是一个矩阵，然后每列代表基础创新序列的一个预词路径。E0至少必须有数字列。如果E0具有超过必要的列，模拟使用第一个数字仅列。

默认值为：

  • 对于Garch（p，，，，问）和GJR（p，，，，问） 楷模，模拟将任何必要的预先创新设置为一个独立的干扰序列，平均零和标准偏差等于条件方差过程的无条件标准偏差。

  • 对于Egarch（p，，，，问） 楷模，模拟将任何必要的前样品创新设置为一个独立的干扰序列，平均零和方差等于Egarch方差过程对数的无条件平均值。

例子：'e0'，[0.5;0.5]

正面样本条件方差路径，指定为数字矢量或矩阵。v0提供模型中条件差异的初始值。

  • 如果v0是一个列向量，然后模拟将其应用于每个输出路径。

  • 如果v0是矩阵，然后至少必须有数字列。如果v0具有超过必要的列，模拟使用第一个数字仅列。

  • 对于Garch（p，，，，问）和GJR（p，，，，问） 楷模：

    • v0至少必须有mdl.p行初始化方差方程。

    • 默认情况下，模拟将任何必要的前样品差异设置为条件差异过程的无条件差异。

  • 对于Egarch（p，，，，问） 楷模，模拟：

    • v0至少必须有Max（MDL.P，MDL.Q）行初始化方差方程。

    • 默认情况下，模拟将任何必要的前样品方差设置为Egarch方差过程对数的无条件均值。

如果行中的行数v0超过必要的数字，然后模拟仅使用最新的，所需的观测值。最后一个元素或行包含最新的观察结果。

例子：'v0'，[1;0.5]

数据类型：双倍的

笔记

  • 如果E0和v0是列向量，模拟将它们应用于输出的每一列v和y。该应用程序允许模拟路径共享一个共同的起点，以用于预测和预测误差分布的蒙特卡洛模拟。

  • 南s表示缺失值。模拟删除缺失值。该软件合并预先样本数据（E0和v0），然后使用列表删除来删除至少一个包含一个的行南。去除南数据中的s减少了样本量。去除南还可以创建不规则的时间序列。

  • 模拟假设您同步预先样本数据，以便同时对每个预样品序列进行最新观察。

输出参数

全部收缩

均值零创新的模拟条件差异路径y，作为数字列向量或矩阵返回。

v是一个numobs-经过-数字矩阵，其中每列对应于模拟的条件方差路径。行v是对应于周期性的周期MDL。

模拟响应路径，作为数字列向量或矩阵返回。y通常代表平均零，异方差时间序列的创新，并在v（预设创新系列的延续E0）。

y还可以代表一个平均零，异性创新和偏移的时间序列。如果MDL包括偏移，然后模拟将偏移添加到基础的均值零，异性创新，以便y代表了偏移调整的创新的时间序列。

y是一个numobs-经过-数字矩阵，其中每列对应于模拟响应路径。行y是对应于周期性的周期MDL。

参考

[1] Bollerslev，T。“广义自动回归有条件的异质性。”计量经济学杂志。卷。31，1986，第307–327页。

[2] Bollerslev，T。“有条件的异性恋时间序列模型，用于投机价格和回报率。”经济学和统计评论。卷。69，1987，第542–547页。

[3] Box，G。E. P.，G。M. Jenkins和G. C. Reonsel。时间序列分析：预测和控制。第三版。新泽西州Englewood Cliffs：Prentice Hall，1994年。

[4] Enders，W。应用计量经济学时间序列。新泽西州霍博肯：约翰·威利（John Wiley＆Sons），1995年。

[5] Engle，R。F.“自回归有条件的异性恋性，估计英国通货膨胀的差异。”计量经济学。卷。50，1982，第987–1007页。

[6] Glosten，L。R.，R。Jagannathan和D. E. Runkle。“关于股票名义超额回报的预期价值与波动性之间的关系。”金融杂志。卷。48，第5期，1993年，第1779–1801页。

[7] Hamilton，J。D.时间序列分析。新泽西州普林斯顿：普林斯顿大学出版社，1994年。

[8] Nelson，D。B.“资产回报中的有条件异方差：一种新方法。”计量经济学。卷。59，1991，第347–370页。

版本历史记录

在R2012a中引入

也可以看看

对象

职能

话题