подвести итог

Отобразите результаты оценки условной модели отклонения

Синтаксис

summarize(Mdl)
results = summarize(Mdl)

Описание

пример

summarize(Mdl) отображает сводные данные условной модели Mdl отклонения.

  • Если Mdl является предполагаемой моделью, возвращенной estimate, то summarize распечатывает результаты оценки к Командному окну MATLAB®. Отображение включает сводные данные оценки и таблицу оценок параметра с соответствующими стандартными погрешностями, статистикой t и p - значения. Сводные данные оценки включают подходящую статистику, такую как Критерий информации о Akaike (AIC).

  • Если Mdl является непредполагаемой моделью, возвращенной garch, egarch или gjr, то summarize распечатывает отображение стандартного объекта (то же отображение, распечатанное во время образцового создания).

пример

results = summarize(Mdl) возвращает одну из следующих переменных и не распечатывает к Командному окну.

  • Если Mdl является предполагаемой моделью, то results является структурой, содержащей результаты оценки.

  • Если Mdl является непредполагаемой моделью, то results является garch, egarch или объект модели gjr, который равен Mdl.

Примеры

свернуть все

Распечатайте результаты оценки модели GARCH с помощью моделируемых данных.

Моделируйте данные из модели GARCH(1,1) с известными значениями параметров.

Mdl = garch('Constant',0.01,'GARCH',0.8,'ARCH',0.14);
rng 'default'; % For reproducibility
[V,Y] = simulate(Mdl,100);

Соответствуйте модели GARCH(1,1) к моделируемым данным. Подавите отображение оценки.

ToEstMdl = garch(1,1);
EstMdl = estimate(ToEstMdl,Y,'Display','off');

Отобразите сводные данные оценки.

summarize(EstMdl)
 
   GARCH(1,1) Conditional Variance Model (Gaussian Distribution)
 
    Effective Sample Size: 100
    Number of Estimated Parameters: 3
    LogLikelihood: -96.5255
    AIC: 199.051
    BIC: 206.866
 
                 Value     StandardError    TStatistic      PValue  
                _______    _____________    __________    __________

    Constant     0.0167      0.016508         1.0117         0.31169
    GARCH{1}    0.77263       0.07769          9.945      2.6523e-23
    ARCH{1}     0.19169      0.075068         2.5535        0.010664

 

Оцените несколько моделей путем передачи шаблона модели EGARCH и данных к estimate. Отличайтесь количество ДУГИ и задержек GARCH среди моделей. Извлеките AIC от результатов оценки и выберите модель, которая минимизирует подходящую статистическую величину.

Моделируйте данные из модели EGARCH(0,1) с известными значениями параметров.

Mdl = egarch('Constant',0.01,'ARCH',0.75,'Leverage',-0.1);
rng(2); % For reproducibility
[~,Y] = simulate(Mdl,100);

Чтобы определить количество ДУГИ и задержек GARCH, создайте и оцените несколько моделей EGARCH. Отличайтесь количество GARCH и задержек ДУГИ (p и q, соответственно) среди моделей от 0 до 1 задержки. Исключите случай, где p = 1 и q = 0, потому что присутствие задержек GARCH требует присутствия задержек ДУГИ. Подавите все отображения оценки. Извлеките AIC от структуры результатов оценки. Поле AIC хранит AIC.

pq = [0 0; 0 1; 1 1];
AIC = zeros(size(pq,1),1); % Preallocation

for j = 1:size(pq,1)
    ToEstMdl = egarch(pq(j,1),pq(j,2));
    EstMdl = estimate(ToEstMdl,Y,'Display','off');
    results = summarize(EstMdl);
    AIC(j) = results.AIC;
end

Сравните значения AIC среди моделей.

[minAIC,bestidx] = min(AIC,[],1);
bestPQ = pq(bestidx,:)
bestPQ = 1×2

     0     1

Модель оптимальной подгонки является моделью EGARCH(0,1), потому что ее соответствующий AIC является самым низким. Эта модель также имеет структуру модели, используемой, чтобы моделировать данные.

Входные параметры

свернуть все

Условная модель отклонения, заданная как garch, egarch или объект модели gjr, возвращенный estimate, garch, egarch или gjr.

Выходные аргументы

свернуть все

Образцовые сводные данные, возвращенные как массив структур или garch, egarch или объект модели gjr.

  • Если Mdl является предполагаемой моделью, то results является массивом структур, содержащим поля в этой таблице.

    Поле Описание
    DescriptionОбразцовое итоговое описание (строка)
    SampleSizeЭффективный объем выборки (числовой скаляр)
    NumEstimatedParametersКоличество предполагаемых параметров (числовой скаляр)
    LogLikelihoodОптимизированное loglikelihood значение (числовой скаляр)
    AICКритерий информации о Akaike (числовой скаляр)
    BICБайесов информационный Критерий (числовой скаляр)
    TableОценки наибольшего правдоподобия параметров модели с соответствующими стандартными погрешностями, статистика t (оценка, разделенная на стандартную погрешность), и p - значения (принимающий нормальность); таблица со строками, соответствующими параметрам модели

  • Если Mdl является непредполагаемой моделью, то results является условным объектом модели отклонения, который равен Mdl.

Смотрите также

Объекты

Функции

Представленный в R2012a

Для просмотра документации необходимо авторизоваться на сайте