预测条件均值和方差模型

打开生活的脚本

这个例子展示了如何从一个复合预测反应和条件方差条件均值和方差模型。

步骤1。加载数据和模型。

负载纳斯达克工具箱中包含的数据。符合一个条件均值和方差模型的数据。

负载Data_EquityIdx纳斯达克= DataTable.NASDAQ;r = price2ret(纳斯达克);N =长度(r);Mdl = arima (“ARLags”,1“方差”garch (1,1),…“分布”,“t”);EstMdl =估计(Mdl r“Variance0”,{“Constant0”,0.001});

ARIMA(1,0,0)模型(t分布):价值StandardError TStatistic PValue _____ _________________ __________ __________常数0.0009524 0.00017051 5.5855 2.3308 e-08 AR {1} e-13景深8.3525 1.0273 8.1308 2.1037 0.13987 0.019051 7.342 4.266 e-16 GARCH(1,1)条件方差模型(t分布):价值StandardError TStatistic PValue __________ _________________ __________ __________常数1.6076 e-06 6.1538 e-07 2.6123 - 0.0089925 GARCH{1} 0.89701 0.011191 80.153 0弓{1}e-18景深8.3525 1.0273 8.1308 3.9935 0.095254 0.010975 8.679 4.266 e-16

(E0、V0) =推断(EstMdl, r);

步骤2。预期回报和条件方差。

使用预测计算患者的预期回报和条件方差的一段1000 -未来的地平线。用观察到的回报和推断出残差和条件方差作为presample数据。

[Y, YMSE V] =预测(1000年EstMdl, r,“E0”下,,“半”V0);上= Y + 1.96 * sqrt (YMSE);低= Y - 1.96 * sqrt (YMSE);图次要情节(2,1,1)情节(r,“颜色”,综合成绩、综合成绩、综合成绩)在情节(N + 1: N + 1000, Y,“r”,“线宽”2)图(N + 1: N + 1000,(上,下)“k——”,“线宽”1.5)xlim ([0, N + 1000])标题(“预期收益”)举行从次要情节(2,1,2)情节(V0,“颜色”,综合成绩、综合成绩、综合成绩)在情节(N + 1: N + 1000 V,“r”,“线宽”2);xlim ([0, N + 1000])标题(“条件方差预测”)举行从