Exponenta Banner

Модели условных отклонений

GARCH, экспоненциальные модели GARCH (EGARCH) и GJR

Модели условных отклонений пытаются решить кластеризацию волатильности в одномерных моделях временных рядов, чтобы улучшить оценки параметров и точность прогноза. Для моделирования волатильности Econometrics Toolbox™ поддерживает стандартную обобщенную авторегрессивную условную гетероскедастическую (ARCH/GARCH) модель, экспоненциальную модель GARCH (EGARCH) и модель Glosten, Jagannathan и Runkle (GJR R).

Для преобразования из предыдущих синтаксисов анализа модели условных отклонений смотрите Преобразование из функций GARCH в объекты модели.

Основы модели условных отклонений
  • Модель GARCH
    Обобщенные, авторегрессивные, условные гетероскедастические модели для кластеризации волатильности
  • Модель EGARCH
    Экспоненциальные, обобщенные, авторегрессивные, условные гетероскедастические модели для кластеризации волатильности
  • Модель GJR
    Модель Glosten-Jagannathan-Runkle GARCH для кластеризации волатильности

Рекомендуемые примеры

Compare Conditional Variance Models Using Information Criteria

Сравнение моделей условных отклонений с использованием информационных критериев

Сравните подгонки нескольких моделей условных отклонений с помощью AIC и BIC.

Открыть Live Script
Using Bootstrapping and Filtered Historical Simulation to Evaluate Market Risk

Использование загрузочного и фильтрованного исторического симуляции для оценки рыночного риска

Оцените рыночный риск гипотетического глобального портфеля индекса капитала с помощью метода фильтрованной исторической симуляции (FHS), альтернативы традиционной исторической симуляции и подходам симуляции Монте-Карло. FHS сочетает относительно сложную основанную на модели обработку волатильности (GARCH) с непараметрической спецификацией распределения вероятностей возвратов активов. Одной из привлекательных функций FHS является его способность генерировать относительно большие отклонения (потери и прибыли), не обнаруженные в исходной серии возвратов портфеля.

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

Использование теории экстремальных значений и копул для оценки рыночного риска

Моделируйте рыночный риск гипотетического глобального портфеля индекса капитала с помощью Симуляции Монте-Карло метода с помощью студенческой копулы и теории экстремальных Значений (EVT). Процесс сначала извлекает отфильтрованные невязки из каждой серии возврата с помощью асимметричной модели GARCH, затем создает выборку маргинальной кумулятивной функции распределения (CDF) каждого актива, используя оценку Гауссова ядра для внутреннего пространства и обобщенную оценку распределения Парето (GPD) для верхнего и нижнего хвостов. t-копула Студента затем подгоняется к данным и используется, чтобы вызвать корреляцию между моделируемыми невязками каждого актива. Наконец, симуляция оценивает Стоимость под угрозой (VaR) гипотетического глобального портфеля капитала за один месяц горизонта.

Открыть скрипт

Документация по Econometrics Toolbox

Поддержка