主要内容

预测一个条件方差模型

打开实时脚本

这个例子展示了如何使用预测一个条件方差模型预测．

加载数据并指定模型。

加载工具箱中包含的德国马克/英镑汇率数据，并将其转换为回报。为了数值稳定，将回报转换为百分比回报。

负载Data_MarkPoundr = price2ret(数据);pR = 100*r;T =长度(r);

指定并拟合GARCH(1,1)模型。

Mdl = garch(1,1);EstMdl =估计(Mdl,pR);
GARCH(1,1)条件方差模型(高斯分布):Value StandardError TStatistic PValue ________ _____________ __________ __________ Constant 0.010868 0.0012972 8.3779 5.3898e-17 GARCH{1} 0.80452 0.016038 50.162 0 ARCH{1} 0.15432 0.013852 11.141 7.9447e-29

生成MMSE预测。

使用拟合模型生成200个时期范围内的MMSE预测。使用观测到的返回序列作为预样本数据。默认情况下,预测推断相应的预采样条件方差。比较方差预测的渐近线与GARCH(1,1)模型的理论无条件方差。

v = forecast(EstMdl,200,pR);sig2 = estmll . constant /(1- estmll . garch {1}- estmll . arch {1});图绘制(v,“r”，“线宽”, 2)在阴谋(1 (200,1)* sig2,“k——”，“线宽”xlim([0,200]) title(“预测条件方差”)传说(“预测”，“理论”，“位置”，“东南”)举行从

图中包含一个轴对象。标题为“预测条件方差”的axis对象包含2个类型为line的对象。这些对象表示预测、理论。

MMSE预测在大约160步后收敛到理论无条件方差。

另请参阅

对象

功能

相关的例子

更多关于