推断出条件方差的条件方差模型
推断条件方差的GARCH(1,1)模型与已知系数。当你使用,然后不要使用presample数据,比较的结果推断出
。
指定一个GARCH(1,1)模型与已知参数。101年模拟条件方差和响应(创新)模型。拨出第一次观察到从每个系列使用presample数据。
Mdl = garch (“不变”,0.01,“四国”,0.8,“拱”,0.15);rng默认的;%的再现性(vS, y) =模拟(Mdl, 101);y0 = y (1);v0 = vS (1);y = y(2:结束);v = vS(2:结束);图次要情节(2,1,1)情节(v)标题(“有条件的差异”次要情节(2,1,2)情节(y)标题(“创新”)
推断的条件方差y
不使用presample数据。比较他们已知的条件方差(模拟)。
vI =推断(Mdl y);图绘制(1:10 0 v,“r”,“线宽”,2)在情节(1:10 0,vI,凯西:”,“线宽”传说,1.5)(“模拟”,“推断”,“位置”,“东北”)标题(“推断条件方差-没有Presamples”)举行从
注意到瞬态响应(差异)早期时期由于缺乏presample数据。
推断出条件方差使用储备品presample创新,y0
。比较他们已知的条件方差(模拟)。
vE =推断(Mdl y“E0”,y0);图绘制(1:10 0 v,“r”,“线宽”,2)在情节(1:10 0、vE、凯西:”,“线宽”传说,1.5)(“模拟”,“推断”,“位置”,“东北”)标题(“推断条件方差- Presample E”)举行从
有一个初略降低瞬态响应时间。
推断出条件方差使用储备品presample条件方差,半
。比较他们已知的条件方差(模拟)。
签证官=推断(Mdl y“半”v0);图绘制(v)情节(1:10 0 v,“r”,“线宽”,2)在情节(1:10 0,签证官,凯西:”,“线宽”传说,1.5)(“模拟”,“推断”,“位置”,“东北”)标题(“推断条件方差- Presample V”)举行从
有一个小得多的瞬态响应早期的时期。
使用presample创新和推断条件方差条件方差。比较他们已知的条件方差(模拟)。
vEO =推断(Mdl y“E0”,y0,“半”v0);图绘制(v)情节(1:10 0 v,“r”,“线宽”,2)在vEO情节(1:10 0,凯西:”,“线宽”传说,1.5)(“模拟”,“推断”,“位置”,“东北”)标题(“推断条件方差Presamples”)举行从
当你使用足够presample创新和条件方差,推断条件方差的(没有瞬态响应)。
推断出的条件方差EGARCH(1,1)模型与已知系数。当你使用,然后不要使用presample数据,比较的结果推断出
。
指定一个EGARCH(1,1)模型与已知参数。101年模拟条件方差和响应(创新)模型。拨出第一次观察到从每个系列使用presample数据。
Mdl = egarch (“不变”,0.001,“四国”,0.8,…“拱”,0.15,“杠杆”,-0.1);rng默认的;%的再现性(vS, y) =模拟(Mdl, 101);y0 = y (1);v0 = vS (1);y = y(2:结束);v = vS(2:结束);图次要情节(2,1,1)情节(v)标题(“有条件的差异”次要情节(2,1,2)情节(y)标题(“创新”)
推断的条件方差y
不使用任何presample数据。比较他们已知的条件方差(模拟)。
vI =推断(Mdl y);图绘制(1:10 0 v,“r”,“线宽”,2)在情节(1:10 0,vI,凯西:”,“线宽”传说,1.5)(“模拟”,“推断”,“位置”,“东北”)标题(“推断条件方差-没有Presamples”)举行从
注意到瞬态响应(差异)早期时期由于缺乏presample数据。
推断出条件方差使用储备品presample创新,y0
。比较他们已知的条件方差(模拟)。
vE =推断(Mdl y“E0”,y0);图绘制(1:10 0 v,“r”,“线宽”,2)在情节(1:10 0、vE、凯西:”,“线宽”传说,1.5)(“模拟”,“推断”,“位置”,“东北”)标题(“推断条件方差- Presample E”)举行从
有一个初略降低瞬态响应时间。
推断使用预留presample方差条件方差,半
。比较他们已知的条件方差(模拟)。
签证官=推断(Mdl y“半”v0);图绘制(v)情节(1:10 0 v,“r”,“线宽”,2)在情节(1:10 0,签证官,凯西:”,“线宽”传说,1.5)(“模拟”,“推断”,“位置”,“东北”)标题(“推断条件方差- Presample V”)举行从
瞬态响应几乎消除。
使用presample创新和推断条件方差条件方差。比较他们已知的条件方差(模拟)。
vEO =推断(Mdl y“E0”,y0,“半”v0);图绘制(v)情节(1:10 0 v,“r”,“线宽”,2)在vEO情节(1:10 0,凯西:”,“线宽”传说,1.5)(“模拟”,“推断”,“位置”,“东北”)标题(“推断条件方差Presamples”)举行从
当你使用足够presample创新和条件方差,推断条件方差的(没有瞬态响应)。
推断出从GJR条件方差(1,1)模型与已知系数。当你使用,然后不要使用presample数据,比较的结果推断出
。
指定一个GJR(1,1)模型与已知参数。101年模拟条件方差和响应(创新)模型。拨出第一次观察到从每个系列使用presample数据。
Mdl = gjr (“不变”,0.01,“四国”,0.8,“拱”,0.14,…“杠杆”,0.1);rng默认的;%的再现性(vS, y) =模拟(Mdl, 101);y0 = y (1);v0 = vS (1);y = y(2:结束);v = vS(2:结束);图次要情节(2,1,1)情节(v)标题(“有条件的差异”次要情节(2,1,2)情节(y)标题(“创新”)
推断的条件方差y
不使用任何presample数据。比较他们已知的条件方差(模拟)。
vI =推断(Mdl y);图绘制(1:10 0 v,“r”,“线宽”,2)在情节(1:10 0,vI,凯西:”,“线宽”传说,1.5)(“模拟”,“推断”,“位置”,“东北”)标题(“推断条件方差-没有Presamples”)举行从
注意到瞬态响应(差异)早期时期由于缺乏presample数据。
推断出条件方差使用储备品presample创新,y0
。比较他们已知的条件方差(模拟)。
vE =推断(Mdl y“E0”,y0);图绘制(1:10 0 v,“r”,“线宽”,2)在情节(1:10 0、vE、凯西:”,“线宽”传说,1.5)(“模拟”,“推断”,“位置”,“东北”)标题(“推断条件方差- Presample E”)举行从
有一个初略降低瞬态响应时间。
推断出条件方差使用储备品presample条件方差,签证官
。比较他们已知的条件方差(模拟)。
签证官=推断(Mdl y“半”v0);图绘制(v)情节(1:10 0 v,“r”,“线宽”,2)在情节(1:10 0,签证官,凯西:”,“线宽”传说,1.5)(“模拟”,“推断”,“位置”,“东北”)标题(“推断条件方差- Presample V”)举行从
有一个小得多的瞬态响应早期的时期。
使用presample创新和推断条件方差条件方差。比较他们已知的条件方差(模拟)。
vEO =推断(Mdl y“E0”,y0,“半”v0);图绘制(v)情节(1:10 0 v,“r”,“线宽”,2)在vEO情节(1:10 0,凯西:”,“线宽”传说,1.5)(“模拟”,“推断”,“位置”,“东北”)标题(“推断条件方差Presamples”)举行从
当你使用足够presample创新和条件方差,推断条件方差的(没有瞬态响应)。
推断loglikelihood目标函数值的EGARCH(1,1)和EGARCH(2,1)模型适合纳斯达克综合指数的回报。识别模型是更加节俭,足够健康,进行似然比检验。
负载纳斯达克工具箱中包含的数据和索引转换为回报。拨出前两个观测作为presample数据。
负载Data_EquityIdx纳斯达克= DataTable.NASDAQ;r = price2ret(纳斯达克);r0 = r (1:2);rn = r(3:结束);
适合的EGARCH(1,1)模型的回报,并推断loglikelihood目标函数值。
Mdl1 = egarch (1,1);EstMdl1 =估计(Mdl1 rn,“E0”、r0);
条件方差EGARCH(1,1)模型(高斯分布):价值StandardError TStatistic PValue _____ _________________ __________ __________常数-0.13518 0.022134 -6.1073 1.0131 e-09 GARCH{1} 0.98386 0.0024268 405.42 0弓{1}0.19997 0.013993 14.29 2.5181 e-46杠杆{1}e-26 -0.060244 0.0056558 -10.652 1.7131
[~,logL1] =推断(EstMdl1 rn,“E0”、r0);
适合一个EGARCH(2,1)模型的回报,并推断loglikelihood目标函数值。
Mdl2 = egarch (2, 1);EstMdl2 =估计(Mdl2 rn,“E0”、r0);
EGARCH(2, 1)条件方差模型(高斯分布):价值StandardError TStatistic PValue _____ _________________ __________ __________常数-0.1456 0.028436 -5.1202 3.0526 e-07 GARCH {1} 0.85307 0.14018 6.0854 1.1618 e-09 GARCH{2} 0.12951 0.13838 0.93595 0.3493弓{1}0.21969 0.029465 7.456 8.9219 e-14杠杆{1}-0.067935 0.01088 -6.2443 4.2557平台以及
[~,logL2] =推断(EstMdl2 rn,“E0”、r0);
进行似然比检验,更简约的EGARCH(1,1)模型的零模型,和EGARCH(2,1)模型作为替代。测试的自由度是1,因为EGARCH(2,1)模型参数有一个超过EGARCH(1,1)模型(一个额外的GARCH术语)。
(h p) = lratiotest (logL2 logL1 1)
h =逻辑0
p = 0.2256
也不会拒绝零假设(h = 0
)。在0.05的显著性水平,EGARCH(1,1)模型并不是拒绝赞成EGARCH(2, 1)模型。
GARCH (P,问)在GJR模型嵌套(P,问)模型。因此,您可以执行一个似然比测试比较GARCH (P,问)和GJR (P,问)模型。
推断出loglikelihood目标函数值GARCH(1,1)和GJR(1,1)模型适合纳斯达克综合指数的回报。进行似然比检验,确定哪些模型是更加节俭,足够健康。
负载纳斯达克工具箱中包含的数据和索引转换为回报。拨出前两个观测作为presample数据。
负载Data_EquityIdx纳斯达克= DataTable.NASDAQ;r = price2ret(纳斯达克);r0 = r (1:2);rn = r(3:结束);
适合GARCH(1,1)模型的回报,并推断loglikelihood目标函数值。
Mdl1 = garch (1,1);EstMdl1 =估计(Mdl1 rn,“E0”、r0);
GARCH(1,1)条件方差模型(高斯分布):价值StandardError TStatistic PValue _____ _________________ __________ __________常数2.005 e-06 5.4298 e-07 3.6926 - 0.00022197 GARCH{1} 0.88333 0.0084536 104.49 0弓{1}e-46 0.10924 0.0076666 14.249 4.5738
[~,logL1] =推断(EstMdl1 rn,“E0”、r0);
适合GJR回报(1,1)模型,并推断loglikelihood目标函数值。
Mdl2 = gjr (1,1);EstMdl2 =估计(Mdl2 rn,“E0”、r0);
GJR条件方差(1,1)模型(高斯分布):价值StandardError TStatistic PValue __________ _________________ __________ __________常数2.4747 e-06 5.6977 e-07 4.3434 - 1.403 e-05 GARCH{1} 0.88103 0.0095093 92.649 0弓{1}0.064008 0.0091838 6.9697 3.1771 e-12杠杆{1}e-19 0.089287 0.0099199 9.0008 2.2408
[~,logL2] =推断(EstMdl2 rn,“E0”、r0);
进行似然比检验,更简约的GARCH(1,1)模型的零模型,和GJR(1, 1)模型作为替代。测试的自由度是1,因为GJR(1,1)模型具有一个参数超过了GARCH(1,1)模型(杠杆)。
(h p) = lratiotest (logL2 logL1 1)
h =逻辑1
p = 4.5819平台以及
零假设被拒绝(h = 1
)。0.05显著性水平,GARCH(1,1)模型被拒绝赞成GJR(1, 1)模型。
Y
- - - - - -响应数据响应数据,指定为一个数字列向量或矩阵。
作为一个列向量,Y
代表一个底层系列的路径。
作为一个矩阵的行Y
对应于时间和列对应于不同的路径。观察在任何行同时发生。
推断出
推断的条件方差Y
。Y
通常代表一个创新系列均值为0,方差为特征Mdl
。这是presample创新系列的延续E0
。Y
也可以代表一个时间序列的创新意味着0 +一个偏移量。如果Mdl
有一个非零偏移,那么软件商店的价值抵消
属性(Mdl.Offset
)。
推断出
假定观察过任何行同时发生。
最后观察任何系列的是最新的观测。
请注意
南
年代显示缺失值。推断出
删除缺失值。推断出
使用list-wise删除删除任何南
年代。删除南
年代的数据减少了样本容量。删除缺失值,也可以创建不规则的时间序列。
指定可选的逗号分隔条名称,值
参数。的名字
参数名称和吗价值
相应的价值。的名字
必须出现在引号。您可以指定几个名称和值对参数在任何顺序Name1, Value1,…,的家
。
“E0”,[1 1; 0.5 - 0.5],“半”,[1 0.5;0.5]
指定两个等效presample路径创新和两个不同的条件方差presample路径。
E0
- - - - - -Presample创新Presample创新,指定为逗号分隔组成的“E0”
和一个数字列向量或矩阵。presample创新提供初始值条件方差的创新过程模型Mdl
,来自一个分布的意思是0。
E0
必须包含至少Mdl.Q
元素或行。如果E0
包含额外的行,然后推断出
使用了最新的Mdl.Q
只有。
最后一个元素或行包含最新presample创新。
如果E0
是一个列向量,它代表一个潜在的创新系列的路径。推断出
适用于E0
每个推断路径。
如果E0
是一个矩阵,那么每一列表示一个presample路径潜在的创新系列。E0
必须至少尽可能多的列Y
。如果E0
列超过必要的,推断出
使用第一个大小(Y, 2)
只列。
默认值是:
GARCH (P,问)和GJR (P,问)模型,推断出
集任何必要presample创新的平均平方值的平方根offset-adjusted反应级数Y
。
EGARCH (P,问)模型,推断出
任何必要的presample创新设置为零。
例子:“E0”, [1 1; 0.5 - 0.5)
数据类型:双
半
- - - - - -Presample条件方差Presample条件方差,指定为逗号分隔组成的“半”
和一个数字列向量或矩阵与积极的条目。半
提供初始值的条件方差模型。
如果半
是一个列向量,然后呢推断出
它适用于每个输出路径。
如果半
是一个矩阵,那么每一列表示一个presample路径的条件方差。半
必须至少尽可能多的列Y
。如果半
比需要更多的列,推断出
使用第一个大小(Y, 2)
只列。
GARCH (P,问)和GJR (P,问)模型,半
必须至少有Mdl.P
行(或元素)来初始化方差方程。
EGARCH (P,问)模型,半
必须至少有max (Mdl.P Mdl.Q)
行初始化方差方程。
如果中的行数半
超过必要的数量推断出
只使用了最新的,所需数量的观察。
最后一个元素行包含最新的观测。
默认情况下,推断出
设置任何必要的观察的平均平方值offset-adjusted反应级数Y
。
例子:“半”,[1 0.5;0.5]
数据类型:双
注:
南
年代显示缺失值。推断出
删除缺失值。软件合并presample数据(E0
和半
输入响应数据(分开)Y
),然后使用list-wise删除包含至少一个删除任何行南
。删除南
年代的数据减少了样本容量。删除缺失值也可以创建不规则的时间序列。
推断出
假设您presample同步数据的最新观察每个presample系列同时发生。
如果你不指定E0
和半
,然后推断出
必要的presample观察来自无条件的,或长期offset-adjusted响应过程的方差。
所有条件方差模型,半
的样本平均平方offset-adjusted响应数据的干扰Y
。
GARCH (P,问)和GJR (P,问)模型,E0
是根号的平均平方值offset-adjusted反应系列Y
。
EGARCH (P,问)模型,E0
是0
。
这些规范减少初始瞬态效应。
[1]Bollerslev, t .“广义自回归条件异方差性。”计量经济学杂志》上。31卷,1986年,页307 - 327。
[2]Bollerslev, t .“有条件地Heteroskedastic投机性价格和时间序列模型的回报。”经济学和统计学的评审。69卷,1987年,页542 - 547。
[3],g . e . P。,G. M. Jenkins, and G. C. Reinsel.时间序列分析:预测与控制。第三。恩格尔伍德悬崖,新泽西:普伦蒂斯霍尔,1994年。
恩德斯[4],W。应用计量经济学时间序列。新泽西州霍博肯:约翰威利& Sons, 1995。
[5]·恩格尔,r . f .“自回归条件异方差性与英国通货膨胀率的方差的估计。”费雪。50卷,1982年,页987 - 1007。
[6]Glosten, l·R。,R. Jagannathan, and D. E. Runkle. “On the Relation between the Expected Value and the Volatility of the Nominal Excess Return on Stocks.”《金融。48卷,5号,1993年,页1779 - 1801。
[7]汉密尔顿,j . D。时间序列分析。普林斯顿,纽约:普林斯顿大学出版社,1994年。
你点击一个链接对应MATLAB命令:
运行该命令通过输入MATLAB命令窗口。Web浏览器不支持MATLAB命令。万博1manbetx
你也可以从下面的列表中选择一个网站:
选择中国网站(中文或英文)最佳站点的性能。其他MathWorks国家网站不优化的访问你的位置。