Задайте условное инновационное распределение модели отклонения

В Econometrics Toolbox™ общая форма инновационного процесса εt=σtzt. Условная модель отклонения задает параметрическую форму условного процесса отклонения. Инновационное распределение соответствует распределению независимого и тождественно распределенного (iid) процесса zt.

Для распределения zt можно выбрать распределение t стандартизированного Гауссова или стандартизированного Студента с ν> 2 степени свободы. Обратите внимание на то, что, если zt следует за стандартизированным распределением t, то

zt=ν2νTν,

где следует за распределением t Студента с ν> 2 степени свободы.

Распределение t полезно для моделирования временных рядов с более экстремумами, чем ожидалось при Распределении Гаусса. Ряды с большими значениями, чем ожидалось под нормальностью, как говорят, имеют excess kurtosis.

Совет

Это - хорошая практика, чтобы оценить дистрибутивные свойства образцовых невязок определить, подходит ли Гауссово инновационное распределение (распределение по умолчанию) для ваших данных.

Свойство Distribution в модели хранит имя распределения (и степени свободы для распределения t). Тип данных Distribution является массивом struct. Для Гауссова инновационного распределения структура данных имеет только одно поле: Имя. Для распределения t Студента структура данных должна иметь два поля:

  • Name, со значением 't'

  • DoF, со скалярным значением, больше, чем два (NaN является значением по умолчанию),

Если инновационное распределение является Гауссовым, вы не должны присваивать значение Distribution. garch, egarch и gjr создают необходимую структуру данных.

Чтобы проиллюстрировать, рассмотрите определение модели GARCH(1,1):

Mdl = garch(1,1)
Mdl = 
  garch with properties:

     Description: "GARCH(1,1) Conditional Variance Model (Gaussian Distribution)"
    Distribution: Name = "Gaussian"
               P: 1
               Q: 1
        Constant: NaN
           GARCH: {NaN} at lag [1]
            ARCH: {NaN} at lag [1]
          Offset: 0

Образцовый вывод показывает, что Distribution является массивом struct с одним полем, Name, со значением "Gaussian".

При определении инновационного распределения t Студента можно задать распределение или с неизвестными или с известными степенями свободы. Если степени свободы неизвестны, можно просто присвоить Distribution значение 't'. По умолчанию свойство Distribution имеет структуру данных с полем Name, равным "t" и полю DoF, равному NaN. При вводе модель к estimate, степени свободы оцениваются наряду с любыми другими неизвестными параметрами модели.

Например, задайте модель GJR(2,1) с инновационным распределением t iid Студента с неизвестными степенями свободы:

GJRMdl = gjr('GARCHLags',1:2,'ARCHLags',1,'LeverageLags',1,...
            'Distribution','t')
GJRMdl = 
  gjr with properties:

     Description: "GJR(2,1) Conditional Variance Model (t Distribution)"
    Distribution: Name = "t", DoF = NaN
               P: 2
               Q: 1
        Constant: NaN
           GARCH: {NaN NaN} at lags [1 2]
            ARCH: {NaN} at lag [1]
        Leverage: {NaN} at lag [1]
          Offset: 0

Вывод показывает, что Distribution является структурой данных с двумя полями. Поле Name имеет значение "t", и поле DoF имеет значение NaN.

Если степени свободы известны, и вы хотите установить ограничение равенства, присвоить массив struct Distribution с полями Name и DoF. В этом случае, если модель будет введена к estimate, степени свободы не будут оценены (ограничение равенства поддерживается).

Задайте модель GARCH(1,1) с распределением t iid Студента с восемью степенями свободы:

GARCHMdl = garch('GARCHLags',1,'ARCHLags',1,...
              'Distribution',struct('Name','t','DoF',8))
GARCHMdl = 
  garch with properties:

     Description: "GARCH(1,1) Conditional Variance Model (t Distribution)"
    Distribution: Name = "t", DoF = 8
               P: 1
               Q: 1
        Constant: NaN
           GARCH: {NaN} at lag [1]
            ARCH: {NaN} at lag [1]
          Offset: 0

Вывод показывает заданное инновационное распределение.

После того, как модель существует в рабочей области, можно изменить ее свойство Distribution с помощью записи через точку. Вы не можете изменить поля структуры данных Distribution непосредственно. Например, GARCHMdl.Distribution.DoF = 8 не является допустимым присвоением. Однако можно получить отдельные поля.

Чтобы изменить распределение инновационного процесса в существующей модели к распределению t Студента с неизвестными степенями свободы, введите:

Mdl.Distribution = 't';

Чтобы изменить распределение на распределение t с известными степенями свободы, используйте структуру данных:

Mdl.Distribution = struct('Name','t','DoF',8);

Можно получить отдельные поля Distribution:

tDoF = Mdl.Distribution.DoF
tDoF = 8

Чтобы изменить инновационное распределение от t Студента назад к Распределению Гаусса, введите:

Mdl.Distribution = 'Gaussian'
Mdl = 
  garch with properties:

     Description: "GARCH(1,1) Conditional Variance Model (Gaussian Distribution)"
    Distribution: Name = "Gaussian"
               P: 1
               Q: 1
        Constant: NaN
           GARCH: {NaN} at lag [1]
            ARCH: {NaN} at lag [1]
          Offset: 0

Поле Name обновляется к "Gaussian", и больше нет поля DoF.

Смотрите также

Объекты

Связанные примеры

Больше о

Для просмотра документации необходимо авторизоваться на сайте