Presample条件方差模型估计的数据
Presample数据之前的数据时间点观察时期的开始。在计量经济学的工具箱™,你可以指定自己的presample数据或使用自动生成的presample数据。
在一个条件方差模型中,创新条件方差的当前值, 取决于历史信息。历史信息包括过去的条件方差, 和过去的创新,
过去的数量变化和创新,当前的条件方差取决于取决于程度的条件方差模型。例如,在GARCH(1,1)模型,每个条件方差取决于一个平方创新落后于方差和一个滞后,
一般来说,困难出现在系列的开始,因为前几的可能性贡献创新的条件是没有观察到的历史信息。GARCH(1,1)的例子, 取决于 和 这些值没有观察到。
GARCH (P,问)和GJR (P,问)模型,Ppresample差异,问presample创新需要初始化方差方程。对于一个EGARCH (P,问)模型,max (P,问)presample方差和问presample创新需要初始化方差方程。
提供自己的presample方差和创新,使用适当的名称-值样本参数的数据类型匹配的响应数据:
数字数组,使用
半指定presample路径或条件的变化E0指定presample创新路径。对于一个包含所有presample数据表或时间表,使用
Presample指定的表或时间表presample数据和至少一个PresampleInnovationVariable或PresampleVarianceVariable指定包含条件方差的变量名或创新路径,分别Presample。
默认情况下,估计生成自动presample数据如下。GARCH和GJR模型:
Presample创新将无条件的标准差的估计创新系列。如果有一个意味着抵消,presample创新指定的样本标准差offset-adjusted系列。如果没有意味着抵消,presample创新被指定为根号平方的样本均值反应级数。
Presample方差将估计的无条件方差创新系列。如果有一个意味着抵消,presample创新指定的样本均值的平方offset-adjusted系列。如果没有意味着抵消,presample方差被指定为平方的样本均值反应级数。
对EGARCH模型:
Presample方差计算至于GARCH和GJR模型。
Presample创新设置为零。
