В этом примере показано, как сгенерировать прогнозы MMSE из модели GJR с помощью forecast
.
Задайте модель GJR(1,1) без среднего смещения и , , и .
Mdl = gjr('Constant',0.1,'GARCH',0.7,... 'ARCH',0.2,'Leverage',0.1);
Сгенерируйте прогнозы для горизонта с 100 периодами с и не задавая преддемонстрационные инновации и условное отклонение. Постройте прогнозы наряду с теоретическим безусловным отклонением модели.
v1 = forecast(Mdl,100); v2 = forecast(Mdl,100,'Y0',1.4,'V0',2.1); denom = 1-Mdl.GARCH{1}-Mdl.ARCH{1}-0.5*Mdl.Leverage{1}; sig2 = Mdl.Constant/denom; figure plot(v1,'Color',[.9,.9,.9],'LineWidth',8) hold on plot(v2,'LineWidth',2) plot(ones(100,1)*sig2,'k--','LineWidth',1.5) xlim([0,100]) title('Forecast GJR Conditional Variance') legend('No Presamples','Presamples','Theoretical',... 'Location','SouthEast') hold off
v2(1) % Display forecasted conditional variance
ans = 1.9620
Прогнозы, сгенерированные, не используя преддемонстрационные данные, равны теоретическому безусловному отклонению. В отсутствие преддемонстрационных данных, forecast
использует безусловное отклонение для любых необходимых преддемонстрационных инноваций и условные отклонения.
В этом примере, для данных преддемонстрационных инноваций и условного отклонения, начальный прогноз
Термин рычагов не включен в прогноз, поскольку преддемонстрационные инновации были положительны (таким образом, индикатор отрицательных инноваций является нулем).