Модель, созданная garch, egarch, или gjr имеет значения, назначенные всем свойствам модели. Чтобы изменить любое из этих значений свойств, не требуется реконструировать модель целиком. Можно изменить значения свойств существующей модели с помощью точечной нотации. То есть введите имя модели, затем имя свойства, разделенное '.' (период).
Например, начните со следующей спецификации модели:
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
Модель по умолчанию не имеет среднего смещения, поэтому Offset свойство не отображается в выходных данных модели. Свойство существует, однако:
Offset = Mdl.Offset
Offset = 0
Измените модель, чтобы добавить неизвестный элемент среднего смещения:
Mdl.Offset = NaN
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
Offset появится в выходных данных модели с обновленным ненулевым значением.
Помните, что каждое свойство модели имеет тип данных. Любые изменения значения свойства должны согласовываться с типом данных свойства. Например, GARCH и ARCH (и Leverage для egarch и gjr модели) - все клеточные векторы. Это означает, что их необходимо индексировать с помощью синтаксиса массива ячеек.
Например, начните со следующей модели:
GJRMdl = gjr(1,1)
GJRMdl =
gjr with properties:
Description: "GJR(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]
Leverage: {NaN} at lag [1]
Offset: 0
Изменение значения свойства GARCH, назначить GARCH массив ячеек. Здесь присвойте известные значения коэффициентов GARCH:
GJRMdl.GARCH = {0.6,0.2}GJRMdl =
gjr with properties:
Description: "GJR(2,1) Conditional Variance Model (Gaussian Distribution)"
Distribution: Name = "Gaussian"
P: 2
Q: 1
Constant: NaN
GARCH: {0.6 0.2} at lags [1 2]
ARCH: {NaN} at lag [1]
Leverage: {NaN} at lag [1]
Offset: 0
Обновленная модель теперь имеет два члена GARCH (на лагах 1 и 2) с указанными ограничениями равенства.
Аналогично, тип данных Distribution - структура данных. Структура данных по умолчанию имеет только одно поле, Name, со значением 'Gaussian'.
Distribution = GJRMdl.Distribution
Distribution = struct with fields:
Name: "Gaussian"
Для изменения распределения инноваций присвойте Distribution новое имя или структура данных. Структура данных может иметь до двух полей, Name и DoF. Второе поле соответствует степеням свободы для распределения Student t и требуется только в том случае, если Name имеет значение 't'.
Чтобы задать распределение Стьюдента с неизвестными степенями свободы, введите:
GJRMdl.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: {0.6 0.2} at lags [1 2]
ARCH: {NaN} at lag [1]
Leverage: {NaN} at lag [1]
Offset: 0
Обновленная модель имеет распределение Student's с NaN степени свободы. Чтобы задать распределение t с восемью степенями свободы, скажем:
GJRMdl.Distribution = struct('Name','t','DoF',8)
GJRMdl =
gjr with properties:
Description: "GJR(2,1) Conditional Variance Model (t Distribution)"
Distribution: Name = "t", DoF = 8
P: 2
Q: 1
Constant: NaN
GARCH: {0.6 0.2} at lags [1 2]
ARCH: {NaN} at lag [1]
Leverage: {NaN} at lag [1]
Offset: 0
Свойство степеней свободы в модели обновляется. Обратите внимание, что DoF поле Distribution не может быть назначен напрямую. Например, GJRMdl.Distribution.DoF = 8 не является допустимым назначением. Однако можно получить отдельные поля:
DistributionDoF = GJRMdl.Distribution.DoF
DistributionDoF = 8
Не все свойства модели могут быть изменены. Невозможно изменить эти свойства в существующей модели:
P. Это свойство обновляется автоматически при изменении задержки, соответствующей наибольшему ненулевому члену GARCH.
Q. Это свойство обновляется автоматически при изменении термина lag, соответствующего наибольшему ненулевому значению ARCH.
Не все аргументы пары имя-значение, которые можно использовать для создания модели, являются свойствами созданной модели. В частности, можно указать аргументы GARCHLags и ARCHLags (и LeverageLags для моделей EGARCH и GJR) во время создания модели. Однако это не свойства garch, egarch, или gjr модель. Это означает, что их нельзя извлечь или изменить в существующей модели.
Задержки ARCH, GARCH и рычагов автоматически обновляются при добавлении каких-либо элементов к массивам ячеек коэффициентов (или удалении из них). GARCH, ARCH, или Leverage.
Например, укажите модель EGARCH (1,1):
Mdl = egarch(1,1)
Mdl =
egarch with properties:
Description: "EGARCH(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]
Leverage: {NaN} at lag [1]
Offset: 0
Выходные данные модели показывают ненулевые коэффициенты GARCH, ARCH и коэффициенты левериджа с запаздыванием 1.
Добавить новый коэффициент GARCH с отставанием 3:
Mdl.GARCH{3} = NaNMdl =
egarch with properties:
Description: "EGARCH(3,1) Conditional Variance Model (Gaussian Distribution)"
Distribution: Name = "Gaussian"
P: 3
Q: 1
Constant: NaN
GARCH: {NaN NaN} at lags [1 3]
ARCH: {NaN} at lag [1]
Leverage: {NaN} at lag [1]
Offset: 0
Ненулевые коэффициенты GARCH на лагах 1 и 3 теперь отображаются в выходных данных модели. Однако массив ячеек, назначенный GARCH возвращает три элемента:
garchCoefficients = Mdl.GARCH
garchCoefficients=1×3 cell array
{[NaN]} {[0]} {[NaN]}
GARCH имеет нулевой коэффициент при запаздывании 2 для поддержания согласованности с традиционным индексированием массива ячеек MATLAB ®.