条件方差模型估计的预样本数据

Presample数据是观测周期开始前的时间点数据。在计量经济学工具箱™中，您可以指定自己的预样本数据或使用自动生成的预样本数据。

在条件方差模型中，创新条件方差的当前值， $${\sigma }_t^2，$$取决于历史信息。历史信息包括过去的条件方差， $${\sigma }_1^2，{\sigma }_2^2，.．.，{\sigma }_{t-1}^2，$$过去的创新， $${\epsilon }_1，{\epsilon }_2，.．.，{\epsilon }_{t-1}．$$

当前条件方差所依赖的过去方差和创新的数量由条件方差模型的程度决定。例如，在GARCH(1,1)模型中，每个条件方差取决于一个滞后方差和一个滞后平方创新，

一般来说，困难出现在系列的开始，因为前几个创新的似然贡献取决于未观察到的历史信息。在GARCH(1,1)的例子中， $${\sigma }_1^2$$取决于 $${\sigma }_0^2$$而且 $${\epsilon }_0．$$这些值没有被观察到。

GARCH(P，问)及GJR(P，问)模型,P预样本方差和问初始化方差方程需要预样创新。对于EGARCH(P，问)模型，max(P，问)预抽样方差和问初始化方差方程需要预样创新。

如果你想指定你自己的样本方差和创新估计，使用名称-值参数半而且E0,分别。

默认情况下,估计生成自动预采样数据，如下所示。GARCH和GJR模型:

对于EGARCH模型:

另请参阅

对象

• garch|egarch|gjr

功能

• 估计

相关的话题

• 条件方差模型的极大似然估计
• 不等式约束条件方差模型估计
• 条件方差模型估计的初始值
• 条件方差模型估计的优化设置