条件方差模型

GARCH、指数GARCH (EGARCH)和GJR模型

条件方差模型试图解决波动集群在单变量时间序列模型来提高参数估计和预测精度。波动性模型,计量经济学的工具箱™支持标准的广义自回归条件异方差(ARCH / GARC万博1manbetxH)模型,指数GARCH EGARCH模型,和Glosten Jagannathan, Runkle GJR模型。

将从以前的条件方差模型分析语法,看从GARCH函数模型对象。

条件方差模型基础

类别

GARCH模型
,广义自回归条件异方差性的模型波动集群
EGARCH模型
指数、广义自回归条件异方差性的模型对波动集群
GJR模型
Glosten-Jagannathan-Runkle GARCH模型波动集群

特色的例子

使用信息条件比较条件方差的模型

比较符合几个条件方差模型利用AIC和BIC。

打开生活的脚本

使用引导和过滤历史模拟评估市场风险

评估一个假设的全球股票指数投资组合的市场风险使用过滤历史模拟(FHS)技术,替代传统的历史模拟和蒙特卡洛模拟方法。FHS结合了一个相对复杂的基于模型的治疗的波动(GARCH)概率分布的非参数规范的资产回报。FHS的吸引人的特性之一是它能够产生相对较大的偏差(损失和收益)没有发现在原始的投资组合回报率系列。

打开脚本

利用极值理论和介体对市场风险进行评估

模型假设的全球股票指数投资组合的市场风险与蒙特卡洛模拟技术利用学生的t接合部和极值理论(EVT)。首先提取过滤过程从每个回归残差系列非对称GARCH模型,然后构造样本边际累积分布函数(CDF)每个资产使用高斯核估计的内部和广义帕累托分布(加仑日)估计上下尾巴。学生的t接合部是那么适合模拟之间的数据和用于诱导相关残差的资产。最后,仿真评估假设的风险价值(VaR)全球股票投资组合在一个月的地平线。

打开脚本