Задайте модели GARCH

Модель GARCH по умолчанию

GARCH по умолчанию (P, Q) модель в Econometrics Toolbox™ имеет форму

εt=σtzt,

с Гауссовым инновационным распределением и

σt2=κ+γ1σt12++γPσtP2+α1εt12++αQεtQ2.

Модель по умолчанию имеет значительное смещение и изолированные отклонения и придает инновациям квадратную форму, в последовательных задержках.

Можно задать модель этой формы с помощью краткого синтаксиса garch(P,Q). Для входных параметров P и Q, введите номер изолированных условных отклонений (условия GARCH), P, и изолировал инновации в квадрате (условия ДУГИ), Q, соответственно. Следующие ограничения применяются:

  • P и Q должны быть неотрицательными целыми числами.

  • Если P является нулем, GARCH (P, Q), модель уменьшает до модели ARCH (Q).

  • Если P> 0, то необходимо также задать Q> 0.

Когда вы используете этот краткий синтаксис, garch создает garch модель с этими значениями свойств по умолчанию.

СвойствоЗначение по умолчанию
PКоличество условий GARCH, P
QКоличество условий ДУГИ, Q
Offset0
ConstantNaN
GARCHВектор ячейки из NaNs
ARCHВектор ячейки из NaNs
Distribution"Gaussian"

Чтобы присвоить значения не по умолчанию любым свойствам, можно изменить созданную модель с помощью записи через точку.

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

εt=σtzt,

с Гауссовым инновационным распределением и

σt2=κ+γ1σt12+α1εt12.

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

Созданная модель, Mdl, имеет NaNs для всех параметров модели. NaN значение сигнализирует, что параметр должен быть оценен или в противном случае задан пользователем. Все параметры должны быть заданы, чтобы предсказать или симулировать модель.

Чтобы оценить параметры, введите модель (наряду с данными) к estimate. Это возвращает новый подходящий garch модель. Подобранная модель имеет оценки параметра для каждого входа NaN значение.

Вызов garch без любых входных параметров возвращает спецификацию модели GARCH(0,0) со значениями свойств по умолчанию:

DefaultMdl = garch
DefaultMdl = 
  garch with properties:

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

Задайте модель GARCH по умолчанию

В этом примере показано, как использовать краткий garch(P,Q) синтаксис, чтобы задать GARCH по умолчанию (P, Q) модель, εt=σtzt с Гауссовым инновационным распределением и

σt2=κ+γ1σt-12++γPσt-P2+α1εt-12++αQεt-Q2.

По умолчанию все параметры в созданной модели имеют неизвестные значения.

Задайте модель GARCH(1,1) по умолчанию.

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

Выход показывает что созданная модель, Mdl, имеет NaN значения для всех параметров модели: постоянный термин, коэффициент GARCH и коэффициент ДУГИ. Можно изменить созданную модель с помощью записи через точку или ввести его (наряду с данными) к estimate.

Используя Аргументы в виде пар имя-значение

Самый гибкий способ задать модели GARCH использует аргументы пары "имя-значение". Вам не нужно, и при этом вы не в состоянии, чтобы задать значение для каждого свойства модели. garch значения по умолчанию присвоений к любым свойствам вы не делаете (или не может) задавать.

Общий GARCH (P, Q) модель имеет форму

yt=μ+εt,

где εt=σtzt и

σt2=κ+γ1σt12++γPσtP2+α1εt12++αQεtQ2.

Инновационным распределением может быть t Гауссова или Студента. Распределение по умолчанию является Гауссовым.

Для того, чтобы оценить, предскажите или симулируйте модель, необходимо задать параметрическую форму модели (например, какие задержки соответствуют ненулевым коэффициентам, инновационному распределению), и любые известные значения параметров. Можно установить любые неизвестные параметры, равные NaN, и затем вход модель к estimate (наряду с данными), чтобы получить оцененные значения параметров.

garchestimate) возвращает модель, соответствующую спецификации модели. Можно изменить модели, чтобы изменить или обновить спецификацию. Введите модели (без NaN значения) к forecast или simulate для прогнозирования и симуляции, соответственно. Вот некоторые технические требования в качестве примера с помощью аргументов значения имени.

МодельСпецификация
  • yt=εt

  • εt=σtzt

  • Гауссов zt

  • σt2=κ+γ1σt12+α1εt12

garch('GARCH',NaN,'ARCH',NaN) или garch(1,1)
  • yt=μ+εt

  • εt=σtzt

  • Студент zt t с неизвестными степенями свободы

  • σt2=κ+γ1σt12+α1εt12

garch ('Смещение', NaN, 'GARCH', NaN, 'ДУГА', NaN...
'Распределение', 't')
  • yt=εt

  • εt=σtzt

  • Студент zt t с восемью степенями свободы

  • σt2=0.1+0.6σt12+0.3εt12

garch ('Констант', 0.1, 'GARCH', 0.6, 'ДУГА', 0.3...
'Распределение', struct ('Имя', 't', 'степень свободы', 8))

Вот полное описание аргументов значения имени, которые можно использовать, чтобы задать модели GARCH.

Примечание

Вы не можете присвоить значения свойствам P и Q. garch наборы эти свойства равняются самому большому GARCH и задержкам ДУГИ, соответственно.

Аргументы значения имени для моделей GARCH

ИмяСоответствующий термин (термины) модели GARCHКогда задать
OffsetСреднее смещение, μ

Включать ненулевое среднее смещение. Например, 'Offset',0.3. Если вы планируете оценить срок смещения, задайте 'Offset',NaN.

По умолчанию, Offset имеет значение 0 (значение, никакое смещение).

ConstantПостоянный в условной модели отклонения, κ

Установить ограничения равенства для κ. Например, если модель знала постоянные 0.1, задайте 'Constant',0.1.

По умолчанию, Constant имеет значение NaN.

GARCHКоэффициенты GARCH, γ1,,γP

Установить ограничения равенства для коэффициентов GARCH. Например, чтобы задать коэффициент GARCH в модели

εt=0.7σt12+0.25εt12,

задайте 'GARCH',0.7.

Только необходимо указать ненулевые элементы GARCH. Если ненулевые коэффициенты в непоследовательных задержках, задают соответствующие задержки с помощью GARCHLags.

Любые коэффициенты, которые вы задаете, должны удовлетворить всей стационарности и ограничениям положительности.

GARCHLagsЗадержки, соответствующие ненулевым коэффициентам GARCH

GARCHLags не свойство модели.

Используйте этот аргумент в качестве ярлыка для определения GARCH когда ненулевые коэффициенты GARCH соответствуют непоследовательным задержкам. Например, чтобы задать ненулевые коэффициенты GARCH в задержках 1 и 3, e.g.,

σt2=γ1σt12+γ3σt32+α1εt12,

задайте 'GARCHLags',[1,3].

Используйте GARCH и GARCHLags вместе задавать известные ненулевые коэффициенты GARCH в непоследовательных задержках. Например, если в данной модели GARCH(3,1) γ1=0.3 и γ3=0.1, задайте 'GARCH',{0.3,0.1},'GARCHLags',[1,3].

ARCHКоэффициенты ДУГИ, α1,,αQ

Установить ограничения равенства для коэффициентов ДУГИ. Например, чтобы задать коэффициент ДУГИ в модели

εt=0.7σt12+0.25εt12,

задайте 'ARCH',0.25.

Только необходимо указать ненулевые элементы ARCH. Если ненулевые коэффициенты в непоследовательных задержках, задают соответствующие задержки с помощью ARCHLags.

Любые коэффициенты, которые вы задаете, должны удовлетворить всей стационарности и ограничениям положительности.

ARCHLagsЗадержки, соответствующие ненулевым коэффициентам ДУГИ

ARCHLags не свойство модели.

Используйте этот аргумент в качестве ярлыка для определения ARCH когда ненулевые коэффициенты ДУГИ соответствуют непоследовательным задержкам. Например, чтобы задать ненулевые коэффициенты ДУГИ в задержках 1 и 3, e.g.,

σt2=γ1σt12+α1εt12+α3εt32,

задайте 'ARCHLags',[1,3].

Используйте ARCH и ARCHLags вместе задавать известные ненулевые коэффициенты ДУГИ в непоследовательных задержках. Например, если в вышеупомянутой модели α1=0.4 и α3=0.2, задайте 'ARCH',{0.4,0.2},'ARCHLags',[1,3].

DistributionРаспределение инновационного процесса

Используйте этот аргумент, чтобы задать инновационное распределение t Студента. По умолчанию инновационное распределение является Гауссовым.

Например, чтобы задать распределение t с неизвестными степенями свободы, задайте 'Distribution','t'.

Чтобы задать инновационное распределение t с известными степенями свободы, присвойте Distribution структура данных с полями Name и DoF. Например, для распределения t с девятью степенями свободы, задайте 'Distribution',struct('Name','t','DoF',9).

Задайте модель GARCH Используя приложение Econometric Modeler

Можно задать структуру задержки и инновационное распределение моделей GARCH с помощью приложения Econometric Modeler. Приложение обрабатывает все коэффициенты как неизвестные и допускающие оценку, включая параметр степеней свободы для инновационного распределения t.

В командной строке откройте приложение Econometric Modeler.

econometricModeler

В качестве альтернативы откройте приложение из галереи Apps (см. Econometric Modeler).

В приложении вы видите все поддерживаемые модели путем выбора переменной временных рядов для ответа в панели Time Series. Затем на вкладке Econometric Modeler, в разделе Models, кликают по стреле, чтобы отобразить галерею моделей.

Раздел GARCH Models содержит все поддерживаемые условные модели отклонения. Чтобы задать модель GARCH, нажмите GARCH. Диалоговое окно GARCH Model Parameters появляется.

Корректируемые параметры включают:

  • GARCH Degree – Порядок полинома GARCH

  • ARCH Degree – Порядок полинома ДУГИ

  • Include Offset – Включение смещения модели

  • Innovation Distribution – Инновационное распределение

Когда вы настраиваете значения параметров, уравнение в разделе Model Equation изменяется, чтобы совпадать с вашими техническими требованиями. Корректируемые параметры соответствуют входному и аргументам пары "имя-значение", описанным в предыдущих разделах и в garch страница с описанием.

Для получения дополнительной информации об определении моделей с помощью приложения см. Подбирающие Модели к Данным и Задающий Полиномы Оператора Задержки В интерактивном режиме.

Задайте модель GARCH со средним смещением

В этом примере показано, как задать GARCH (P, Q) модель со средним смещением. Используйте аргументы пары "имя-значение", чтобы задать модель, которая отличается от модели по умолчанию.

Задайте модель GARCH(1,1) со средним смещением,

yt=μ+εt,

где εt=σtzt и

σt2=κ+γ1σt-12+α1εt-12.

Mdl = garch('Offset',NaN,'GARCHLags',1,'ARCHLags',1)
Mdl = 
  garch with properties:

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

Среднее смещение, кажется, в выходе как дополнительный параметр оценено или в противном случае задано.

Задайте модель GARCH с известными значениями параметров

В этом примере показано, как задать модель GARCH с известными значениями параметров. Можно использовать такую полностью заданную модель в качестве входа к simulate или forecast.

Задайте модель GARCH(1,1)

σt2=0.1+0.7σt-12+0.2εt-12

с Гауссовым инновационным распределением.

Mdl = garch('Constant',0.1,'GARCH',0.7,'ARCH',0.2)
Mdl = 
  garch with properties:

     Description: "GARCH(1,1) Conditional Variance Model (Gaussian Distribution)"
    Distribution: Name = "Gaussian"
               P: 1
               Q: 1
        Constant: 0.1
           GARCH: {0.7} at lag [1]
            ARCH: {0.2} at lag [1]
          Offset: 0

Поскольку все значения параметров заданы, созданная модель не имеет никакого NaN значения. Функции simulate и forecast не принимайте входные модели с NaN значения.

Задайте Модель GARCH с t Инновационным Распределением

В этом примере показано, как задать модель GARCH с t инновационным распределением Студента.

Задайте модель GARCH(1,1) со средним смещением,

yt=μ+εt,

где εt=σtzt и

σt2=κ+γ1σt-12+α1εt-12.

Принять zt следует за t инновационным распределением Студента с восемью степенями свободы.

tdist = struct('Name','t','DoF',8);
Mdl = garch('Offset',NaN,'GARCHLags',1,'ARCHLags',1,...
              'Distribution',tdist)
Mdl = 
  garch with properties:

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

Значение Distribution struct массив с полем Name равняйтесь 't' и поле DoF равняйтесь 8. Когда вы задаете степени свободы, они не оцениваются, если вы вводите модель к estimate.

Задайте модель GARCH с непоследовательными задержками

В этом примере показано, как задать модель GARCH с ненулевыми коэффициентами в непоследовательных задержках.

Задайте модель GARCH(3,1) с ненулевыми коэффициентами GARCH в задержках 1 и 3. Включайте среднее смещение.

Mdl = garch('Offset',NaN,'GARCHLags',[1,3],'ARCHLags',1)
Mdl = 
  garch with properties:

     Description: "GARCH(3,1) Conditional Variance Model with Offset (Gaussian Distribution)"
    Distribution: Name = "Gaussian"
               P: 3
               Q: 1
        Constant: NaN
           GARCH: {NaN NaN} at lags [1 3]
            ARCH: {NaN} at lag [1]
          Offset: NaN

Неизвестные ненулевые коэффициенты GARCH соответствуют изолированным отклонениям в задержках 1 и 3. Выход показывает только ненулевые коэффициенты.

Отобразите значение GARCH.

Mdl.GARCH
ans=1×3 cell array
    {[NaN]}    {[0]}    {[NaN]}

GARCH массив ячеек возвращает три элемента. Первые и третьи элементы имеют значение NaN, указание на эти коэффициенты является ненулевым и должно быть оценено или в противном случае задано. По умолчанию, garch устанавливает временный коэффициент в задержке 2 равных нулю обеспечивать непротиворечивость с индексацией массива ячеек MATLAB®.

Смотрите также

Объекты

Функции

Связанные примеры

Больше о

Для просмотра документации необходимо авторизоваться на сайте