标签:__________ 方差 模型 均值 matlab GARCH 条件 ARMA
原文链接:http://tecdat.cn/?p=2841
此示例显示MATLAB如何从条件均值和方差模型预测。
步骤1加载数据并拟合模型
加载工具箱附带的纳斯达克数据。将条件均值和方差模型拟合到数据中。
nasdaq = DataTable.NASDAQ;
r = price2ret(nasdaq);
N = length(r);
fit = estimate(mode ,r,'Variance0',{'Constant0',0.001});
ARIMA(1,0,0) Model (t Distribution):
Value StandardError TStatistic PValue
_________ _____________ __________ __________
Constant 0.0012326 0.00018163 6.786 1.1528e-11
AR{1} 0.066389 0.021398 3.1026 0.0019182
DoF 14.839 2.2588 6.5693 5.0539e-11
GARCH(1,1) Conditional Variance Model (t Distribution):
Value StandardError TStatistic PValue
__________ _____________ __________ __________
Constant 3.4488e-06 8.3938e-07 4.1087 3.9788e-05
GARCH{1} 0.82904 0.015535 53.365 0
ARCH{1} 0.16048 0.016331 9.8268 8.6333e-23
DoF 14.839 2.2588 6.5693 5.0539e-11
[E0,V0] = infer(fit,r);
第2步预测收益和条件差异
使用forecast
计算收益率:条件方差为1000周期的未来数据的MMSE预测。使用观察到的收益率和推断残差以及条件方差作为预采样数据。
[Y,YMS E,V] = forecast(fit, 100 0,'Y 0',r,'E0', E0, 'V0' ,V0);
upper = Y + 1.96*sqrt(YMSE);
lower = Y - 1.96*sqrt(YMSE);
figure
subplot(2,1,1)
plot(r,'Color',[.75,.75,.75])
hold on
条件方差预测收敛于GARCH条件方差模型的渐近方差。预测的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)。
标签:__________,方差,模型,均值,matlab,GARCH,条件,ARMA 来源: https://blog.51cto.com/u_15198753/2770843
本站声明: 1. iCode9 技术分享网(下文简称本站)提供的所有内容,仅供技术学习、探讨和分享; 2. 关于本站的所有留言、评论、转载及引用,纯属内容发起人的个人观点,与本站观点和立场无关; 3. 关于本站的所有言论和文字,纯属内容发起人的个人观点,与本站观点和立场无关; 4. 本站文章均是网友提供,不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属;如您发现该文章侵犯了您的权益,可联系我们第一时间进行删除; 5. 本站为非盈利性的个人网站,所有内容不会用来进行牟利,也不会利用任何形式的广告来间接获益,纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。