默认的EGARCH (P,问计量经济学工具箱中的模型就是这样的形式
具有高斯创新分布和
默认模型没有均值偏移,滞后对数方差和标准化创新是连续滞后的。
可以使用速记语法指定此表单的模型egarch (P, Q)
。对于输入参数P
和问
,输入滞后对数方差数(GARCH项),P标准化创新(ARCH和杠杆术语)滞后,问,分别。适用下列限制:
P和问必须是非负整数。
如果P> 0,那么您还必须指定问> 0。
当你使用这种速记语法时,egarch
创建一个egarch
使用这些默认属性值建模。
财产 | 默认值 |
---|---|
P |
GARCH项的个数,P |
问 |
ARCH和杠杆条款的数量,问 |
抵消 |
0 |
常数 |
南 |
GARCH |
细胞的向量南 年代 |
拱 |
细胞的向量南 年代 |
利用 |
细胞的向量南 年代 |
分布 |
“高斯” |
要将非默认值分配给任何属性,您可以使用点符号修改创建的模型。
为了说明这一点,考虑指定EGARCH(1,1)模型
具有高斯创新分布和
Mdl = egarch (1,1)
描述:“egarch(1,1)条件方差模型(高斯分布)”分布:的名字=“高斯”P:1问: 1 Constant: NaN GARCH: {NaN} at lag [1] ARCH: {NaN} at lag [1] Leverage: {NaN} at lag [1] Offset: 0
创建的模型,Mdl
,已经南
s为所有模型参数。一个南
值表示需要对参数进行估计或由用户以其他方式指定。必须指定所有参数才能预测或模拟模型
要估计参数,请输入模型(以及数据)估计
。这是一件新衣服egarch
模型。拟合模型对每个输入都有参数估计南
价值。
调用egarch
没有任何输入参数,返回一个EGARCH(0,0)模型规范和默认属性值:
DefaultMdl = egarch
说明:“egarch(0,0)条件方差模型(高斯分布)”分布:的名字=“高斯”P:0问: 0 Constant: NaN GARCH: {} ARCH: {} Leverage: {} Offset: 0
这个例子展示了如何使用速记egarch (P, Q)
指定默认EGARCH的语法(P,问)模型,
具有高斯创新分布和
默认情况下,创建模型中的所有参数都有未知值。
指定默认的EGARCH(1,1)模型:
Mdl = egarch (1,1)
描述:“egarch(1,1)条件方差模型(高斯分布)”分布:的名字=“高斯”P:1问: 1 Constant: NaN GARCH: {NaN} at lag [1] ARCH: {NaN} at lag [1] Leverage: {NaN} at lag [1] Offset: 0
输出显示创建的模型,Mdl
,已经南
所有模型参数的值:常数项、GARCH系数、ARCH系数、杠杆系数。您可以使用点符号修改创建的模型,或者将它(连同数据)输入到估计
。
指定EGARCH模型最灵活的方法是使用名称-值对参数。您不需要也不能够为每个模型属性指定一个值。egarch
为未指定(或不能)的模型属性指定默认值。
一般EGARCH (P,问模型是形式的
在哪里 和
创新分布可以是高斯分布,也可以是学生分布t。默认分布是高斯分布。
为了估计、预测或模拟一个模型,您必须指定模型的参数形式(例如,滞后对应于非零系数、创新分布)和任何已知的参数值。您可以设置任何未知的参数等于南
,然后输入模型估计
(连同数据)来获得估计的参数值。
egarch
(和估计
)返回与模型规范相对应的模型。您可以通过修改模型来更改或更新规范。输入模型(没有南
值)预测
或模拟
分别用于预测和模拟。下面是一些使用名称-值参数的示例规范。
模型 | 规范 |
---|---|
|
egarch (GARCH,南,“拱”,南… 或egarch (1,1) |
|
egarch(“抵消”、南GARCH,南… |
|
egarch(“常数”,-0.1,“四国”,0.4,…… |
下面是用于指定EGARCH模型的名称-值参数的完整描述。
不能为属性赋值P
和问
。egarch
集P
等于最大的GARCH滞后,和问
等于非零标准化创新系数的最大滞后,包括ARCH和杠杆系数。
EGARCH模型的名称-值参数
的名字 | 对应的EGARCH模型项 | 当指定 |
---|---|---|
抵消 |
意味着抵消,μ | 包括一个非零的平均偏移量。例如,0.2“抵消” 。如果您计划估计偏移项,请指定“抵消”,南 。默认情况下, 抵消 是有价值的0 (即,没有抵消)。 |
常数 |
条件方差模型中的常数,κ | 为。设置等式约束κ。例如,如果一个模型已知常数为-0.1,请指定“常数”,-0.1 。默认情况下, 常数 是有价值的南 。 |
GARCH |
GARCH系数, | 为GARCH系数设置等式约束。例如,指定EGARCH(1,1)模型
指定“四国”,0.6 。只需要指定的非零元素 GARCH 。如果非零系数处于非连续滞后,则用GARCHLags 。你指定的任何系数必须满足所有平稳性约束。 |
GARCHLags |
时滞对应于非零GARCH系数 | GARCHLags 不是模型属性。使用此参数作为指定的快捷方式 GARCH 当非零GARCH系数对应于非连续时滞时。例如,指定滞后1和滞后3的非零GARCH系数,例如,非零
和
指定“GARCHLags”, [1,3] 。使用 GARCH 和GARCHLags 一起指定已知的非零GARCH系数在非连续滞后。例如,如果
和
指定“四国”{0.3,0.1},“GARCHLags”, [1,3] |
拱 |
拱系数, | 设置拱系数的等式约束。例如,指定EGARCH(1,1)模型
指定“拱”,0.3 。只需要指定的非零元素 拱 。如果非零系数处于非连续滞后,则用ARCHLags 。 |
ARCHLags |
时滞对应于非零拱系数 |
使用此参数作为指定的快捷方式 使用 |
利用 |
利用系数, | 为杠杆系数设置等式约束。例如,指定EGARCH(1,1)模型
指定“杠杆”,-0.1 。只需要指定的非零元素 利用 。如果非零系数处于非连续滞后,则用LeverageLags 。 |
LeverageLags |
滞后效应对应于非零杠杆系数 |
使用此参数作为指定的快捷方式 使用 |
分布 |
创新过程的分布 | 使用此参数指定学生的t创新分布。默认情况下,创新分布是高斯分布。 例如,指定at自由度未知的分布,请指定 指定一个t创新分布与已知自由度,分配 |
方法可以指定滞后结构、创新分布和EGARCH模型的杠杆计量经济学建模师app. app将所有系数都视为未知且可估计,包括a的自由度参数t创新分布。
在命令行中打开计量经济学建模师应用程序。
econometricModeler
或者,从应用程序库中打开应用程序(见计量经济学建模师)。
在app中,通过选择响应中的时间序列变量,可以看到所有支万博1manbetx持的模型数据浏览器。然后,在计量经济学建模师选项卡,模型部分,单击箭头显示模型库。
的GARCH模型部分包含所有支持的条件方差模型。万博1manbetx要指定一个EGARCH模型,请单击EGARCH
。的EGARCH模型参数对话框出现了。
可调参数包括:
GARCH程度GARCH多项式的阶。
拱度- ARCH多项式的阶。该参数的值还指定了杠杆多项式的顺序。
包括抵消-包括模型偏移。
创新分布——创新布局。
当您调整参数值时,在模型方程节更改以匹配您的规范。可调参数对应于前一节和egarch
参考页面。
有关使用应用程序指定模型的更多细节,请参见数据拟合模型和交互式地指定滞后算子多项式。
这个例子展示了如何指定一个EGARCH(P,问)具有平均偏移量的模型。使用名称-值对参数指定不同于默认模型的模型。
指定具有平均偏移量的EGARCH(1,1)模型,
在哪里 和
Mdl = egarch (“抵消”南,“GARCHLags”,1“ARCHLags”,1…“LeverageLags”,1)
描述:“egarch(1,1)带偏移(高斯分布)的条件方差模型”分布:的名字=“高斯”P:1问: 1 Constant: NaN GARCH: {NaN} at lag [1] ARCH: {NaN} at lag [1] Leverage: {NaN} at lag [1] Offset: NaN
平均偏移量作为一个附加参数出现在输出中,以供估计或指定。
这个例子展示了如何在非连续滞后时指定具有非零系数的EGARCH模型。
指定具有非零GARCH项的EGARCH(3,1)模型,滞后时间为1和3。包括平均偏移量。
Mdl = egarch (“抵消”南,“GARCHLags”(1、3),“ARCHLags”,1…“LeverageLags”,1)
描述:“egarch(3,1)有偏移量的条件方差模型(高斯分布)”分布:的名字=“高斯”P:3.问: 1 Constant: NaN GARCH: {NaN NaN} at lags [1 3] ARCH: {NaN} at lag [1] Leverage: {NaN} at lag [1] Offset: NaN
未知的非零GARCH系数对应滞后log方差在滞后1和滞后3。输出只显示非零系数。
显示值GARCH
:
Mdl.GARCH
ans =1×3单元阵列(南){}{[0]}{(南)}
的GARCH
单元格数组返回三个元素。第一个和第三个元素是有价值的南
,表示这些系数非零,需要估计或以其他方式指定。默认情况下,egarch
将滞后2处的中间系数设为零,以保持与MATLAB®细胞阵列索引的一致性。
这个例子展示了如何用已知的参数值指定EGARCH模型。您可以使用这样一个完全指定的模型作为输入模拟
或预测
。
指定EGARCH(1,1)模型
具有高斯创新分布。
Mdl = egarch (“不变”,0.1,“四国”,0.6,“拱”,0.2,…“杠杆”,-0.1)
描述:“egarch(1,1)条件方差模型(高斯分布)”分布:的名字=“高斯”P:1问: 1 Constant: 0.1 GARCH: {0.6} at lag [1] ARCH: {0.2} at lag [1] Leverage: {-0.1} at lag [1] Offset: 0
因为指定了所有参数值,所以创建的模型没有南
值。的函数模拟
和预测
不接受输入模型南
值。
这个例子展示了如何指定一个带有学生t创新分布的EGARCH模型。
指定具有平均偏移量的EGARCH(1,1)模型,
在哪里 和
假设 遵循10个自由度的学生t创新分布。
tDist =结构(“名字”,“t”,“景深”10);Mdl = egarch (“抵消”南,“GARCHLags”,1“ARCHLags”,1…“LeverageLags”,1“分布”tDist)
描述:“egarch(1,1)有偏移(t分布)的条件方差模型”分布:的名字="t", DoF = 10 P: 1 Q: 1 Constant: NaN GARCH: {NaN} at lag [1] ARCH: {NaN} at lag [1] Leverage: {NaN} at lag [1] Offset: NaN
的价值分布
是一个结构体
数组字段的名字
等于“t”
和现场景深
等于10
。当你指定自由度时,如果你输入模型,它们不会被估计估计
。