Exponenta Banner
exponenta event banner

Модели условных отклонений

Модели GARCH, экспоненциальные модели GARCH (EGARCH) и GJR

Модели условной дисперсии пытаются решить проблему кластеризации волатильности в одномерных моделях временных рядов для улучшения оценок параметров и точности прогноза. Для моделирования волатильности Econometrics Toolbox™ поддерживает стандартную обобщенную авторегрессионную условную гетероскедастическую (ARCH/GARCH) модель, экспоненциальную модель GARCH (EGARCH) и модель Глостена, Яганнатана и Ранкла (GJR).

Сведения о преобразовании из предыдущих синтаксисов анализа модели условных расхождений см. в разделе Преобразование функций GARCH в объекты модели.

Основы модели условного отклонения
  • Модель GARCH
    Обобщенные, авторегрессивные, условные модели гетероскедастичности для кластеризации волатильности
  • Модель EGARCH
    Экспоненциальные, обобщенные, авторегрессивные, условные модели гетероскедастичности для кластеризации волатильности
  • Модель GJR
    Модель Glosten-Jagannathan-Runkle GARCH для кластеризации волатильности

Характерные примеры

Compare Conditional Variance Models Using Information Criteria

Сравнение моделей условных отклонений с использованием информационных критериев

Сравните соответствия нескольких моделей условных отклонений с использованием AIC и BIC.

Открыть сценарий в реальном времени
Using Bootstrapping and Filtered Historical Simulation to Evaluate Market Risk

Использование начальной загрузки и отфильтрованного исторического моделирования для оценки рыночных рисков

Оценка рыночного риска гипотетического портфеля глобальных индексов акций с использованием метода отфильтрованного исторического моделирования (FHS), альтернативы традиционному историческому моделированию и подходам моделирования Монте-Карло. FHS сочетает в себе относительно сложную модельную обработку волатильности (GARCH) с непараметрической спецификацией распределения вероятности доходности активов. Одной из привлекательных особенностей FHS является его способность генерировать относительно большие отклонения (потери и прибыли), не обнаруженные в исходной серии возврата портфеля.

Открыть сценарий
Using Extreme Value Theory and Copulas to Evaluate Market Risk

Использование экстремальной теории стоимости и копул для оценки рыночного риска

Смоделировать рыночный риск гипотетического портфеля глобальных индексов акций с помощью метода моделирования Монте-Карло, используя студенческую копулу и экстремальную теорию стоимости (EVT). Процесс сначала извлекает отфильтрованные остатки из каждой серии возврата с помощью асимметричной модели GARCH, затем конструирует выборочную краевую кумулятивную функцию распределения (CDF) каждого актива с использованием оценки ядра Гаусса для внутреннего пространства и обобщенной оценки распределения Парето (GPD) для верхнего и нижнего хвостов. Затем t-копула Стьюдента подгоняется к данным и используется для индукции корреляции между смоделированными остатками каждого актива. Наконец, моделирование оценивает стоимость рискованного (VaR) гипотетического глобального портфеля акций на протяжении одного месяца.

Открыть сценарий

Документация по инструментарию Econometrics

Поддержка