这个例子展示了如何模拟EGARCH过程。将基于模拟的预测与最小均方误差(MMSE)预测进行了比较,显示了EGARCH过程中MMSE预测的偏差。
用常数指定EGARCH(1,1)过程 ,GARCH系数 、拱系数 和杠杆系数 .
Mdl=egarch(“不变”,0.01,“加奇”, 0.7,...“拱门”,0.3,“杠杆作用”,-0.1)
描述:“egarch(1,1)条件方差模型(高斯分布)”分布:Name = "Gaussian" P: 1 Q: 1 Constant: 0.01 GARCH: {0.7} at lag [1] ARCH: {0.3} at lag [1] Leverage: {-0.1} at lag [1] Offset: 0
从EGARCH条件方差过程和相应创新中模拟一个长度为50的实现。
rng违约;%的再现性[v, y] =模拟(Mdl, 50);图subplot(2,1,1) plot(v) xlim([0,50]) title(“条件方差过程”xlim([0,50]) subplot(2,1,2) plot(y) xlim([0,50]) title(“创新”)
使用生成的条件方差和创新作为预采样数据,模拟50个未来时间步的5000次EGARCH过程实现。绘制预测条件方差过程的模拟平均值。
rng违约;%的再现性[Vsim,Ysim]=模拟(Mdl,50,“NumPaths”,5000,...‘E0’, y,“V0”,v);图形图(v,“k”)举行在绘图(51:100,Vsim,“颜色”,[85,85,85])xlim([0100])h=曲线图(51:100,平均值(Vsim,2),“k——”,“线宽”,2); 头衔(“模拟条件方差过程”)图例(h,“模拟的意思”,“位置”,“西北”)举行关
比较模拟平均方差、MMSE方差预测和指数化理论无条件对数方差。
指定EGARCH(1,1)模型的指数化理论无条件对数方差为
sim=平均值(Vsim,2);fcast=预测值(Mdl,50,y,“V0”,v);sig2=exp(0.01/(1-0.7));图形绘制(sim,':',“线宽”,2)保持在绘图(fcast,“r”,“线宽”图(一(50,1)*sig2,“k——”,“线宽”,1.5)图例(“模拟的”,“彩信”,“理论的”)头衔(“无条件方差比较”)举行关
MMSE和指数化的理论对数方差相对于无条件方差有偏差(约4%),因为Jensen不等式,
比较模拟平均对数方差、对数MMSE方差预测和理论无条件对数方差。
logsim=平均值(log(Vsim),2);logsig2=0.01/(1-0.7);曲线图(logsim,':',“线宽”,2)保持在绘图(日志(fcast),“r”,“线宽”图(一(50,1)*logsig2,“k——”,“线宽”,1.5)图例(“模拟的”,“彩信”,“理论的”)头衔(“无条件对数方差比较”)举行关
无条件对数方差的MMSE预测是无偏的。