Выведите условные отклонения и невязки

Этот пример показывает, как вывести условные отклонения из подходящей условной модели отклонения. Стандартизированные невязки вычисляются с помощью выведенных условных отклонений, чтобы проверять образцовую подгонку.

Шаг 1. Загрузите данные.

Загрузка датская номинальная биржа возвращает данные, включенные с тулбоксом.

load Data_Danish
y = DataTable.RN;
T = length(y);

figure
plot(y)
xlim([0,T])
title('Danish Nominal Stock Returns')

Ряд возврата, кажется, имеет ненулевое среднее смещение и кластеризацию энергозависимости.

Шаг 2. Соответствуйте модели EGARCH(1,1).

Задайте, и затем соответствуйте, модель EGARCH(1,1) к номинальному запасу возвращает ряд. Включайте среднее смещение и примите Гауссово инновационное распределение.

Mdl = egarch('Offset',NaN','GARCHLags',1,...
    'ARCHLags',1,'LeverageLags',1);
EstMdl = estimate(Mdl,y);

 
    EGARCH(1,1) Conditional Variance Model with Offset (Gaussian Distribution):
 
                     Value       StandardError    TStatistic     PValue  
                   __________    _____________    __________    _________

    Constant         -0.62723       0.74401        -0.84304       0.39921
    GARCH{1}          0.77419       0.23628          3.2766     0.0010507
    ARCH{1}           0.38636       0.37361          1.0341       0.30107
    Leverage{1}    -0.0024988       0.19222          -0.013       0.98963
    Offset            0.10325      0.037727          2.7368     0.0062047

Шаг 3. Выведите условные отклонения.

Выведите условные отклонения с помощью подобранной модели.

v = infer(EstMdl,y);

figure
plot(v)
xlim([0,T])
title('Inferred Conditional Variances')

Выведенные условные отклонения показывают увеличенную энергозависимость в конце ряда возврата.

Шаг 4. Вычислите стандартизированные невязки.

Вычислите стандартизированные невязки для образцовой подгонки. Вычтите предполагаемое среднее смещение и разделитесь на квадратный корень из условного процесса отклонения.

res = (y-EstMdl.Offset)./sqrt(v);

figure
subplot(2,2,1)
plot(res)
xlim([0,T])
title('Standardized Residuals')

subplot(2,2,2)
histogram(res,10)

subplot(2,2,3)
autocorr(res)

subplot(2,2,4)
parcorr(res)

Стандартизированные невязки не показывают остаточной автокорреляции. Существует несколько невязок, больше, чем ожидалось для Распределения Гаусса, но предположение нормальности весьма разумно.

Документация