条件方差模型估计的前样本数据

Presample数据为观测周期开始之前的时间点数据。在Econometrics Toolbox™中，您可以指定自己的前样例数据或使用自动生成的前样例数据。

在条件方差模型中，创新条件方差的现值， $${\sigma }_t^2，$$取决于历史信息。历史信息包括过去的条件方差， $${\sigma }_1^2，{\sigma }_2^2，．..，{\sigma }_{t-1}^2，$$和过去的创新, $${\epsilon }_1，{\epsilon }_2，．..，{\epsilon }_{t-1}．$$

当前条件方差所依赖的过去方差和创新的数量由条件方差模型的程度决定。例如，在GARCH(1,1)模型中，每个条件方差依赖于一个滞后方差和一个滞后平方创新，

一般来说，困难出现在系列的开始，因为最初几项创新的可能贡献取决于未被观察到的历史信息。在GARCH(1,1)例子中， $${\sigma }_1^2$$取决于 $${\sigma }_0^2$$和 $${\epsilon }_0．$$这些值不被遵守。

GARCH (P，问)和GJR (P，问)模型,Ppresample差异,问样品前的创新需要初始化方差方程。对于一个EGARCH (P，问)模型,max (P，问)前样本方差和问样品前的创新需要初始化方差方程。

如果你想指定你自己的样本方差和创新估计，使用名称-值参数半和E0,分别。

默认情况下,估计自动生成以下预样数据。对于GARCH和GJR模型:

对EGARCH模型:

另请参阅

对象

• garch|egarch|gjr

功能

• 估计

相关的话题

• 条件方差模型的最大似然估计
• 具有等式约束的条件方差模型估计
• 条件方差模型估计的初值
• 条件方差模型估计的优化设置