这个示例展示了如何使用计量建模应用程序将GARCH、EGARCH和GJR模型指定为数据并进行匹配。然后,该示例通过比较fit统计数据来确定最适合数据的模型。存储在其中的数据集Data_FXRates.mat
,包括1979年至1998年每日计算的外汇汇率。
考虑建立一个瑞士法郎兑美元汇率的预测模型(瑞士法郎
)。
在命令行,加载Data_FXRates.mat
数据集。
负载Data_FXRates
转换表数据表
一个时间表:
清除的行名称数据表
。
将采样时间转换为adatetime
向量。
通过将行与采样时间in关联,将表转换为时间表日期
。
DataTable.Properties。RowNames = {};日期= datetime(日期,“ConvertFrom”,“datenum”,...“格式”,“ddMMMyyyy”,“场所”,“en_US”);DataTable = table2timetable(数据表,“RowTimes”、日期);
在命令行,打开计量经济学建模师应用程序。
econometricModeler
或者,从应用程序库中打开应用程序(参见计量经济学建模师)。
进口数据表
为应用程序:
在计量经济学建模师选项卡,进口部分中,点击。
在导入数据对话框中进口吗?的复选框中选择数据表
变量。
点击进口。
所有的时间序列变量数据表
出现在数据浏览器,而一个时间序列的所有系列的情节出现在时间序列图(AUD)图窗口。
双击。绘制瑞士法郎汇率瑞士法郎
时间序列数据浏览器。
突出衰退时期:
在时间序列图(瑞士法郎)图窗口中,右键单击情节。
在上下文菜单中选择显示经济衰退。
的瑞士法郎
序列似乎具有随机趋势。
用第一个差值来稳定瑞士法郎的汇率瑞士法郎
。
在数据浏览器中,选择瑞士法郎
。
在计量经济学建模师选项卡,转换部分中,点击区别。
突出衰退时期:
在时间序列图(CHFDiff)图窗口中,右键单击情节。
在上下文菜单中选择显示经济衰退。
一个变量命名CHFDiff
,表示差分序列,出现在数据浏览器,其时间序列图出现在时间序列图(CHFDiff)图窗口。
该系列似乎是稳定的,但它表现出波动性聚类。
采用恩格尔ARCH检验检验条件异方差下的稳定瑞士法郎汇率序列。假设ARCH(1)可选模型运行测试,然后假设ARCH(2)可选模型再次运行测试。通过将每个测试的显著性水平降低到0.05/2 = 0.025,保持总体显著性水平为0.05。
在数据浏览器中,选择CHFDiff
。
在计量经济学建模师选项卡,测试部分中,点击新的测试>恩格尔的拱测试。
在拱选项卡,参数节中,设置数量的滞后的1
。
集显著性水平来0.025
。
在测试部分中,点击运行测试。
重复步骤3到5,但是设置数量的滞后来2
代替。
测试结果显示在结果表的拱(CHFDiff)文档。
这些试验拒绝了针对替代模型的无拱效应的原假设。这个结果建议指定一个条件方差模型CHFDiff
包含至少两个拱形滞后。具有两个ARCH时滞的条件方差模型在局部等价于一个ARCH时滞和一个GARCH时滞的条件方差模型。考虑GARCH(1,1)、EGARCH(1,1)和GJR(1,1)模型CHFDiff
。
指定一个GARCH(1,1)模型并使其适合CHFDiff
系列。
在数据浏览器,选择CHFDiff
时间序列。
单击计量经济学建模师选项卡。然后,在模型部分,单击箭头以显示模型库。
在模特陈列室里GARCH模型部分中,点击GARCH。
在GARCH模型参数对话框中延迟订单标签:
集GARCH程度来1
。
集拱度来1
。
点击估计。
模型变量GARCH_CHFDiff出现在模型部分的数据浏览器,其估计摘要见模型总结(GARCH_CHFDiff)文档。
在第一次延迟时指定一个包含杠杆项的EGARCH(1,1)模型,并将该模型适合于CHFDiff
系列。
在数据浏览器,选择CHFDiff
时间序列。
在计量经济学建模师选项卡,模型部分,单击箭头以显示模型库。
在模特陈列室里GARCH模型部分中,点击EGARCH。
在EGARCH模型参数对话框中延迟订单标签:
集GARCH程度来1
。
集拱度来1
。因此,该应用程序包括一个相应的杠杆滞后。你可以消除或调整杠杆滞后滞后的向量选项卡。
点击估计。
模型变量EGARCH_CHFDiff出现在模型部分的数据浏览器,其估计摘要见模型总结(EGARCH_CHFDiff)文档。
在第一次延迟时指定一个包含杠杆项的GJR(1,1)模型,并将该模型适合于CHFDiff
系列。
在数据浏览器,选择CHFDiff
时间序列。
在计量经济学建模师选项卡,模型部分,单击箭头以显示模型库。
在模特陈列室里GARCH模型部分中,点击GJR。
在GJR模型参数对话框中延迟订单标签:
集GARCH程度来1
。
集拱度来1
。因此,该应用程序包括一个相应的杠杆滞后。你可以消除或调整杠杆滞后滞后的向量选项卡。
点击估计。
模型变量GJR_CHFDiff出现在模型部分的数据浏览器,其估计摘要见模型总结(GJR_CHFDiff)文档。
选择最节省样本内拟合的模型。根据产生最小贝叶斯信息准则(BIC)的模型做出决定。表中为各估计模型的BIC拟合统计量,如表中所示拟合优度每一节对模型的估计总结。
模型 | BIC |
---|---|
GARCH (1, 1) | -28707年 |
EGARCH (1,1) | -28700年 |
GJR (1, 1) | -28711年 |
GJR(1,1)模型得到最小BIC值。因此,在所有估计模型中,它具有最佳的简约样本内拟合。