summarize

Отобразите результаты оценки условной модели отклонения

Описание

пример

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

  • Если Mdl предполагаемая модель, возвращенная estimate, затем summarize оценка печати заканчивается 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 непредполагаемая модель, возвращенная garch, egarch, или gjr, затем summarize распечатывает отображение стандартного объекта (то же отображение, распечатанное во время создания модели).

пример

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

  • Если Mdl предполагаемая модель, затем results структура, содержащая результаты оценки.

  • Если Mdl непредполагаемая модель, затем results garch, egarch, или gjr объект модели, который равен Mdl.

Примеры

свернуть все

Распечатайте результаты оценки модели GARCH с помощью симулированных данных.

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

Mdl0 = garch('Constant',0.01,'GARCH',0.8,'ARCH',0.14);
rng 'default'; % For reproducibility
[V,Y] = simulate(Mdl0,100);

Подбирайте модель GARCH(1,1) к симулированным данным. Подавите отображение оценки.

Mdl = garch(1,1);
EstMdl = estimate(Mdl,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      0.077691          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. Варьируйтесь количество ДУГИ и задержек GARCH среди моделей. Извлеките AIC из результатов оценки и выберите модель, которая минимизирует подходящую статистическую величину.

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

Mdl0 = egarch('Constant',0.01,'ARCH',0.75,'Leverage',-0.1);
rng(2); % For reproducibility
[~,Y] = simulate(Mdl0,100);

Чтобы определить количество ДУГИ и задержек GARCH, создайте и оцените несколько моделей EGARCH. Варьируйтесь 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 из 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)
    Mdl = egarch(pq(j,1),pq(j,2));
    EstMdl = estimate(Mdl,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 симулировать данные.

Входные параметры

свернуть все

Условная модель отклонения в виде garch, egarch, или gjr объект модели возвращен estimate, garch, egarch, или gjr.

Выходные аргументы

свернуть все

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

  • Если Mdl предполагаемая модель, затем results массив структур, содержащий поля в этой таблице.

    Поле Описание
    DescriptionИтоговое описание модели (строка)
    SampleSizeЭффективный объем выборки (числовой скаляр)
    NumEstimatedParametersКоличество предполагаемых параметров (числовой скаляр)
    LogLikelihoodОптимизированное значение логарифмической правдоподобности (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 непредполагаемая модель, затем results условный объект модели отклонения, который равен Mdl.

Смотрите также

Объекты

Функции

Представленный в R2012a

Для просмотра документации необходимо авторизоваться на сайте