Документация

Предварительный образец данных для оценки модели условных отклонений

Presample data - данные из временных точек перед началом периода наблюдения. В Econometrics Toolbox™ можно задать собственные данные предварительного образца или использовать автоматически сгенерированные данные предварительного образца.

В модели условного отклонения текущее значение инновационного условного отклонения, $${\sigma }_t^2,$$ зависит от исторической информации. Историческая информация включает прошлые условные отклонения, $${\sigma }_1^2,{\sigma }_2^2,\dots ,{\sigma }_{t-1}^2,$$ и прошлые инновации, $${\epsilon }_1,{\epsilon }_2,\dots ,{\epsilon }_{t-1}.$$

Количество прошлых отклонений и инноваций, от которых зависит текущее условное отклонение, определяется степенью модели условного отклонения. Для примера в модели GARCH (1,1) каждое условное отклонение зависит от одного отстающего отклонения и одного отстающего квадратного нововведения,

В целом трудности возникают в начале серии, потому что вероятностный вклад первых нескольких нововведений обусловлен исторической информацией, которая не наблюдается. В примере GARCH (1,1 ),$${\sigma }_1^2$$ зависит от $${\sigma }_0^2$$ и $${\epsilon }_0.$$ Эти значения не наблюдаются.

Для моделей GARCH (P, Q) и GJR (P, Q), чтобы инициализировать уравнение дисперсии, необходимы P дисперсии и Q нововведения. Для модели EGARCH (P, Q), max (P, Q) presample отклонений и Q инноваций presample необходимы, чтобы инициализировать отклонение уравнение.

Если вы хотите задать свои собственные отклонения и инновации, чтобы estimate, используйте аргументы имя-значение V0 и E0, соответственно.

По умолчанию estimate генерирует автоматические предварительные данные следующим образом. Для моделей GARCH и GJR:

Для моделей EGARCH:

См. также

Объекты

• egarch | garch | gjr

Функции

• estimate

Похожие темы

• Максимальная оценка правдоподобия для моделей условных отклонений
• Оценка модели условных отклонений с ограничениями равенствами
• Начальные значения для оценки модели условных отклонений
• Настройки оптимизации для оценки модели условных отклонений