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

Для просмотра документации необходимо авторизоваться на сайте