此示例显示如何从复合条件均值和方差模型中预测响应和条件方差。
加载工具箱中包含的纳斯达克数据。将条件均值和方差模型拟合到数据中。
负载数据需求IDX纳斯达克=DataTable.NASDAQ数据表;r=price2ret(纳斯达克);N=length(r);Mdl=arima(“阿尔拉”,1,'差异',加奇(1,1),...'分配',“t”);EstMdl=估计值(Mdl,r,'差异0',{“康斯坦特”,0.001});
9127 7.496 6.5772e-14 DoF 7.497 0.91008 8.2377 1.755e-16 GARCH(1,1)条件方差模型(t分布):值标准误差统计值_____________庘庘庘庘庘庘庘庘庘庘庘庘庘庘庘常数1.5574e-06 6 6.3081e-07 2.4689 0.013554 GARCH{1}0.8952 0.011552 77.496 0 ARCH{1}0.10038 0.011813 8.4977 1.9343e-17 DoF 7 0.497 0.91008 8.2377 1.755e-16
[E0,V0]=推断(EstMdl,r);
使用预测
计算1000年期未来水平的回报和条件方差的MMSE预测。使用观察到的收益和推断出的残差和条件方差作为样本数据。
[Y,YMSE,V]=预测值(EstMdl,1000,r,'E0',0岁,'V0',V0);上=Y+1.96*sqrt(YMSE);下=Y-1.96*sqrt(YMSE);图形子块(2,1,1)图(r,'颜色',[0.75,.75,.75])保持on绘图(N+1:N+1000,Y,“r”,'线宽',2) plot(N+1:N+1000,[upper,lower],“k——”,'线宽',1.5)xlim([0,N+1000])标题('Forecasted Returns') hold远离的子地块(2,1,2)图(V0,'颜色',[0.75,.75,.75])保持on绘图(N+1:N+1000,V,“r”,'线宽',2); xlim([0,N+1000]) title('预测条件方差') hold远离的
条件方差预测收敛于GARCH条件方差模型的渐近方差。预测收益收敛于估计的模型常数(AR条件均值模型的无条件均值)。