这个例子展示了如何模拟EGARCH过程。将基于模拟的预测与最小均方误差(MMSE)预测进行了比较,显示了EGARCH过程中MMSE预测的偏差。
指定具有常数的EGARCH(1,1)过程 、GARCH系数 、拱系数 和杠杆系数 .
Mdl = egarch (“不变”, 0.01,“四国”, 0.7,...“拱”, 0.3,“杠杆”, -0.1)
描述:“egarch(1,1)条件方差模型(高斯分布)”分布:Name = "Gaussian" P: 1 Q: 1 Constant: 0.01 GARCH: {0.7} at lag [1] ARCH: {0.3} at lag [1] Leverage: {-0.1} at lag [1] Offset: 0
从EGARCH条件方差过程模拟长度50的一个实现和相应的创新。
rng默认的;%的再现性[v, y] =模拟(Mdl, 50);图subplot(2,1,1) plot(v) xlim([0,50]) title(“条件方差的过程”xlim([0,50]) subplot(2,1,2) plot(y) xlim([0,50]) title(“创新”)
使用生成的条件方差和创新作为预样本数据,模拟50个未来时间步长的5000个EGARCH过程的实现。绘制预测条件方差过程的模拟平均值。
rng默认的;%的再现性[Vsim, Ysim] =模拟(Mdl 50“NumPaths”, 5000,...“E0”, y,“半”, v);图绘制(v,“k”)举行在情节(51:100 Vsim,“颜色”(.85 .85 .85]) xlim ([0100]) h =情节(51:100,意味着(Vsim, 2),“k——”,“线宽”2);标题(“模拟条件方差过程”)传说(h,“模拟的意思”,“位置”,“西北”)举行从
比较模拟平均方差,MMSE方差预测,指数,理论无条件对数方差。
对于指定的EGARCH(1,1)模型,求幂的理论无条件对数方差为
sim =意味着(Vsim, 2);fcast =预测(Mdl 50 y,“半”, v);sig2 = exp (0.01 / (1 - 0.7));图绘制(sim卡,':',“线宽”, 2)在情节(fcast“r”,“线宽”, 2)情节((50,1)* sig2,“k——”,“线宽”传说,1.5)(“模拟”,“患者”,“理论”)标题(的无条件方差比较)举行从
MMSE和指数理论对数方差相对于无条件方差有偏差(约4%),因为Jensen不等式,
比较模拟的平均对数方差、预测的对数MMSE方差和理论的无条件对数方差。
logsim =意味着(日志(Vsim) 2);logsig2 = 0.01 / (1 - 0.7);图绘制(logsim,':',“线宽”, 2)在情节(日志(fcast),“r”,“线宽”, 2)情节((50,1)* logsig2,“k——”,“线宽”传说,1.5)(“模拟”,“患者”,“理论”)标题(“无条件对数方差比较”)举行从
无条件对数方差的MMSE预测是无偏的。