Cómo predecir el modelo Garch usando la caja de herramientas de Matlab

El modelo garch se puede predecir mediante la función garchfit() de matlab, que se utiliza principalmente para estimar los parámetros del modelo ARMAX/GARCH. La función Garchfit() utiliza el siguiente formato:

[coeff, error, LLF, innovación, sigma, resumen] = garchfit(spec, series, X)

coeff - parámetro de entrada . Acepta parámetros generados por las estructuras garchset, GARCGET, garchsim, garchinfer y garchpred.

Error: la estructura del error estimado (error estándar) del coeficiente.

Para la estimación dependiente de parámetros del valor de la función objetivo de optimización, se encuentra el coeficiente LLF. Garchfit utiliza la función fmincon de la caja de herramientas de optimización para realizar la optimización.

Innovación: crear un vector de secuencia de serie temporal (es decir, residual) a partir de una secuencia.

sigmas - corresponde al vector de desviación estándar condicional creado.

Resumen: muestra la estructura de información resumida del proceso de optimización.

Estructura de especificación Spec-GARCH, que incluye especificaciones de media y varianza condicionales. También contiene los parámetros de optimización necesarios para la evaluación. Esta estructura se crea llamando a garchset.

series: vector de columna de serie temporal observada.

X——Matriz de regresión de series temporales de datos de observación.

Por ejemplo:

Centro de control cromático

spec = garchset('C',0,'K',0.0001,'GARCH',0.9,' ARCO',0.05);? %Especifica la estructura del modelo.

[e, s, y] = garchsim(spec, 1000);

[Coeficiente, error, LLF, innovación, sigma, resumen] = garchfit(spec, y)? %Ajuste de parámetros

Parte de los resultados obtenidos tras la ejecución.

上篇: Mi novio pidió prestados 16.000 al banco, pero no fue suficiente. Fue acusado de fraude y condenado a muchos años de prisión. 下篇: Reglamento de liquidación diaria y liquidación mensual de efectivo