此示例示出了如何从GARCH过程模拟具有和不指定样品前体的数据。在Monte Carlo模拟的样品无条件方差逼近理论GARCH无条件方差。
指定GARCH(1,1)模型 其中分布 是高斯
MDL = GARCH('不变',0.01%,'GARCH',0.7%,'拱',0.25)
MDL = GARCH具有属性:说明: “GARCH(1,1)的条件方差模型(高斯分布)” 分布:名称= “高斯” P:1 Q:1常数:0.01 GARCH:{0.7}在延迟[1] ARCH:{0.25}在延迟[1]偏移量:0
模拟从GARCH(1,1)模型长度100五个路径,不指定任何样品前体创新或条件方差。显示每个五个样品路径的第一条件方差。被模拟的模型没有一个平均的偏移,所以响应系列是一个创新系列。
RNG默认;%用于重现[VN,YN =模拟(MDL,100,'NumPaths',5);VN(1,:)%显示差异
ANS =1×50.1645 0.3182 .4051 0.1872 0.1551
图副区(2,1,1)情节(VN)XLIM([0100])标题(“条件方差”)副区(2,1,2)情节(YN)XLIM([0100])标题(“创新”)
因为没有指定样品前数据的起始条件方差对于每个不同的实现。
从模型长度100的模拟5点的路径,指定所述一个所需的样品前体创新和条件方差。显示每个五个样品路径的第一条件方差。
RNG默认;[VW,YW] =模拟(MDL,100,'NumPaths'5,...'E0',0.05,'V0',0.001);VW(1,:)
ANS =1×50.0113 0.0113 0.0113 0.0113 0.0113
图副区(2,1,1)情节(VW)XLIM([0100])标题(“条件方差”)副区(2,1,2)情节(YW)XLIM([0100])标题(“创新”)
所有五个样本路径具有相同的起始条件方差,使用样品前体数据进行计算。
请注意,即使在同一起跑线变化,创新系列的实现有不同的出发点。这是因为每个 是从高斯分布的随机平局与均值为0,方差 。
从指定的GARCH模型模拟长度500 10,000样本路径。画出蒙特卡罗模拟的样本方差无条件,并比较他们的理论条件方差,
SIG2 = 0.01 /(1-0.7-0.25);RNG默认;[V,Y] =模拟(MDL,500,'NumPaths',10000);图图(VAR(Y,0,2),'颜色',[7,0.7,0.7],'行宽'1.5)XLIM([0500])保持上图(1:500,一(500,1)* SIG2,'K--','行宽',2)图例(“模拟”,“理论”,'位置','西北')标题(“无条件方差”)保持离
模拟无条件方差附近波动的理论条件方差。