拓端tecdat|matlab估计arma garch 条件均值和方差模型
原文链接:http://tecdat.cn/?p=3889
原文出处:拓端数据部落公众号
此示例显示如何估计条件均值和方差模型。
加载数据并指定模型
加载NASDAQ数据 。为了使数值平稳,将数据转换为收益率。建立AR(1)和GARCH(1,1)模型。
load Data_EquityIdx
nasdaq = DataTable.NASDAQ;
r = 100*price2ret(nasdaq);
T = length(r);Mdl = arima('ARLags',1,'Variance',garch(1,1))
Mdl = arima with properties:Description: "ARIMA(1,0,0) Model (Gaussian Distribution)"Distribution: Name = "Gaussian"P: 1D: 0Q: 0Constant: NaNAR: {NaN} at lag [1]SAR: {}MA: {}SMA: {}Seasonality: 0Beta: [1×0]Variance: [GARCH(1,1) Model]
不使用预采样数据估计模型参数
使用estimate
。使用estimate
自动生成的预采样样本。
EstMdl = estimate(Mdl,r);ARIMA(1,0,0) Model (Gaussian Distribution):Value StandardError TStatistic PValue ________ _____________ __________ __________Constant 0.072632 0.018047 4.0245 5.7087e-05AR{1} 0.13816 0.019893 6.945 3.7845e-12GARCH(1,1) Conditional Variance Model (Gaussian Distribution):Value StandardError TStatistic PValue ________ _____________ __________ __________Constant 0.022377 0.0033201 6.7399 1.5852e-11GARCH{1} 0.87312 0.0091019 95.927 0ARCH{1} 0.11865 0.008717 13.611 3.4339e-42
估计显示五个估计参数及其对应的标准误差(AR(1),条件均值模型具有两个参数,GARCH(1,1)条件方差模型具有三个参数。
推断条件方差和标准化残差
推断并绘制条件方差和标准化残差。 输出对数似然目标函数值。
[res,v,logL] = infer(EstMdl,r);figure
subplot(2,1,1)
plot(v)
xlim([0,T])
title('Conditional Variance')subplot(2,1,2)
plot(res./sqrt(v))
xlim([0,T])
title('Standardized Residuals')
在2000个样本之后,条件方差增加。看到波动性增加。
标准化残差在标准正态分布下具有比预期更大的值 。
拟合具有t分布的模型
修改模型为Student's t分布 ,指定方差模型常量项的初始值。
MdlT = Mdl;
MdlT.Distribution = 't';
EstMdlT = estimate(MdlT,r,'Variance0',{'Constant0',0.001});ARIMA(1,0,0) Model (t Distribution):Value StandardError TStatistic PValue ________ _____________ __________ __________Constant 0.093488 0.016694 5.6002 2.1412e-08AR{1} 0.13911 0.018857 7.3771 1.6175e-13DoF 7.4775 0.88261 8.472 2.4125e-17GARCH(1,1) Conditional Variance Model (t Distribution):Value StandardError TStatistic PValue ________ _____________ __________ __________Constant 0.011246 0.0036305 3.0976 0.0019511GARCH{1} 0.90766 0.010516 86.316 0ARCH{1} 0.089897 0.010835 8.2966 1.0712e-16DoF 7.4775 0.88261 8.472 2.4125e-17
当t分布时,系数估计值会略有变化。第二个模型拟合(EstMdlT
)有一个额外的参数估计,即t分布自由度。估计的自由度相对较小(约为8),表明有明显误差。
比较模型拟合
使用赤池信息准则(AIC)和贝叶斯信息准则(BIC)比较两种模型拟合 。首先,获得第二拟合的对数似然目标函数值。
[resT,vT,logLT] = infer(EstMdlT,r);
[aic,bic] = aicbic([logL,logLT],[5,6],T)
aic = 1×2
103 ×9.4929 9.3807bic = 1×2
103 ×9.5230 9.4168
第二个模型有六个参数,而第一个模型中有五个参数 。尽管如此,两个信息标准都支持具有学生t分布的模型。
最受欢迎的见解
1.在python中使用lstm和pytorch进行时间序列预测
2.python中利用长短期记忆模型lstm进行时间序列预测分析
3.使用r语言进行时间序列(arima,指数平滑)分析
4.r语言多元copula-garch-模型时间序列预测
5.r语言copulas和金融时间序列案例
6.使用r语言随机波动模型sv处理时间序列中的随机波动
7.r语言时间序列tar阈值自回归模型
8.r语言k-shape时间序列聚类方法对股票价格时间序列聚类
9.python3用arima模型进行时间序列预测
拓端tecdat|matlab估计arma garch 条件均值和方差模型相关推荐
- matlab估计arma garch 条件均值和方差模型
此示例显示如何估计条件均值和方差模型.最近我们被要求撰写关于arma garch的研究报告,包括一些图形和统计输出. 加载数据并指定模型 加载NASDAQ数据 .为了使数值平稳,将数据转换为收益率. ...
- matlab预测ARMA-GARCH 条件均值和方差模型
此示例显示MATLAB如何从复合条件均值和方差模型预测 和条件差异. 步骤1加载数据并拟合模型 加载工具箱附带的纳斯达克数据.将条件均值和方差模型拟合到数据中. nasdaq = DataTable. ...
- matlab均值方差模型,matlab预测ARMA-GARCH 条件均值和方差模型
此示例显示MATLAB如何从复合条件均值和方差模型预测 和条件差异. 步骤1加载数据并拟合模型 加载工具箱附带的纳斯达克数据.将条件均值和方差模型拟合到数据中. nasdaq = DataTable. ...
- 拓端tecdat荣获掘金社区入驻新人奖
2021年7月,由掘金发起了"入驻成长礼"颁奖活动.本次活动邀请到知名开发者.服务机构代表等业界人士. 据了解,掘金社区"新入驻创作者礼"主要对已经积累了一定历 ...
- 拓端tecdat荣获2022年度51CTO博主之星
相信技术,传递价值,这是51CTO每一个技术创作者的动力与信念,2022 年度,拓端tecdat 作为新锐的数据分析咨询公司,在51CTO平台上,不断的输出优质的技术文章,分享前沿创新技术,输出最佳生 ...
- matlab估计arma残差,写给你的金融时间序列分析:补完篇
摘要 本文介绍时间序列分析中的 GARCH 模型,阐述使用 mean model 和 volatility model 对收益率序列联合建模的方法. 1 引言 之前,我们推出了<写给你的时间序列 ...
- 拓端tecdat|bilibili视频流量数据潜望镜
最近我们被客户要求撰写关于bilibili视频流量的研究报告,包括一些图形和统计输出. 最新研究表明,中国有超过7亿人在观看在线视频内容.Bilibili,被称为哔哩哔哩或简称为B站,是中国大陆第二个 ...
- matlab导入excel数据算方差,基于MATLAB与EXCEL工具的均值-方差模型
年 月第 卷 第 期 阴 山 学 刊 基于 与 工具的均值一方差模型 杨 尚 包头师范学院 数学科学学院, 内蒙古 包头 摘 要 通过介绍 与 工 具在证券投资组合模型之一 马柯维茨的均值一方差模型 ...
- matlab估计arma残差,python ARIMA 时间序列
1 时间序列与时间序列分析 在生产和科学研究中,对某一个或者一组变量 x(t) 进行观察测量,将在一系列时刻 t1,t2,⋯,tn 所得到的离散数字组成的序列集合,称之为时间序列. 时间序列分析是根据 ...
- 拓端tecdat|R语言向量误差修正模型 (VECMs)分析长期利率和通胀率影响关系
最近我们被客户要求撰写关于向量误差修正模型的研究报告,包括一些图形和统计输出. 向量自回归模型估计的先决条件之一是被分析的时间序列是平稳的.但是,经济理论认为,经济变量之间在水平上存在着均衡关系,可以 ...
最新文章
- RGB+Depth规则箱体测量方案
- 成功解决UnicodeDecodeError: 'utf-8' codec can't decode byte 0xbc in position 2: invalid start byte
- linux显卡烤机操作,显卡拷机必备:FurMark时隔一年全新升级
- 网联能否一统天下,取决于三个问题
- php去掉查询返回的字段序列号,php – 为返回的MySQL查询添加编号列表列
- Java中的CopyOnWriteArrayList
- 打开SharePoint 2013 web application显示iis 欢迎页面
- 170819-关于JSTL的知识点
- 虚拟串口 VSPD 的使用
- 戴尔计算机亮度如何调整,官方数据:如何调整Dell显示器的亮度
- 电脑DIY基本知识扫盲!图文并茂!
- Juce Programming Tutorial by haydxn 教程分享
- 双系统如何干净删除Ubuntu
- i7 8700k 安装linux,i7 8700k能装win7吗?i7 8700k搭配华硕B365主板装win7
- 2020最新开发及环境搭建类经典面试题
- 转换TIFF图像为JPEG2000格式
- C++代码审阅–ice104协议从站(5)
- 【应用】1200PLC实现三层电梯模拟控制
- C# 生成单色图的代码
- 看透2500万人生老病死 米因大数据解开健康密码