从条件方差模型预测条件方差
如果条件方差模型MDL
有偏移量(Mdl.Offset
),预测
从指定的预采样响应中减去它Y0
获得充分的创新E0
。随后,预测
使用E0
初始化条件方差模型以进行预测。
预测
设置的对预测样本的路径数numpaths
到列的样品前体的数据集中的最大数目Y0
和半
。所有预采样数据集必须具有其中之一numpaths
> 1列或一列。除此以外,预测
一个错误的问题。例如,如果Y0
有五列,代表5点的路径,然后半
可以有五列,也可以有一列。如果半
只有一列吗预测
适用于半
每条路径。
南
在样品前体数据集值表示丢失的数据。预测
按照以下步骤从预采样数据集中删除缺失的数据:
预测
水平连接指定的预采样数据集Y0
和半
使最近的观测同时发生。结果可以是一个交错的数组,因为预样本数据集可以有不同数量的行。在这种情况下,预测
prepads变量用零适量以形成矩阵。
预测
通过去除含所有行适用列表明智缺失到合并的样品前体基质中的至少一个南
。
预测
从步骤2的结果中提取处理过的预样例数据集,并删除所有预先添加的零。
列表方式的删除减少了样本量,并可能产生不规则的时间序列。
广义自回归条件异方差性。计量经济学杂志。1986年第31卷第307-327页。
投机价格和回报率的条件异方差时间序列模型。经济与统计评论。第69卷,1987年,第542-547页。
[3]盒,g.e.p., g.m.詹金斯,和g.c. Reinsel。时间序列分析:预测与控制。《恩格尔伍德悬崖》,新泽西:普伦蒂斯霍尔出版社,1994年版。
恩德斯[4],W。应用计量经济学时间序列。新泽西州霍博肯:约翰威利父子公司,1995年。
英国通货膨胀方差估计的自回归条件异方差性费雪。第50卷,1982年,第987-1007页。
[6] Glosten, L. R., R. Jagannathan,和D. E. Runkle。“预期价值与股票名义超额收益波动性之间的关系。”该财经杂志。第48卷,第5期,1993年,第1779-1801页。
[7]汉密尔顿,j.d.。时间序列分析。普林斯顿:普林斯顿大学出版社,1994年。
资产回报的条件异方差性:一种新方法。费雪。第59卷,1991年,第347-370页。