预测一个条件方差模型
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
MMSE预测在大约160步后收敛到理论无条件方差。