预测条件均值和方差模型
这个例子展示了如何从复合条件均值和方差模型中预测响应和条件方差。
步骤1.加载数据并拟合模型。
加载工具箱中包含的NASDAQ数据。根据数据拟合条件均值和方差模型。
负载数据设备IDX纳斯达克=DataTable.nasdaq；r=price2ret（纳斯达克）；N=长度（r）；Mdl=阿里玛('阿拉格'1.'差异'，garch（1,1），...'分配','t'); EstMdl=估计值（Mdl，r，'差异0',{'康斯坦顿',0.001});
ARIMA（1,0,0）模型（t分布）：值标准误差t统计量p值常数0.0010129 0.00016931 5.9826 2.1958e-09 AR{1}0.14337 0.019127 7.496 6.5772e-14 0.91008 8.2377 1.755e-16 GARCH（1，1） 条件方差模型（t分布）：值标准误差统计统计数据；值标准方差模型（t分布）：值标准误差统计数据；值标准；值标准误差统计统计数据；值值.标准误差统计统计统计数据；值.值.标准误差统计统计数据统计数据统计数据.值.值.标准误差统计统计数据.值.值.值.标准误差统计统计数据统计数据统计统计数据.值.统计数据统计统计统计统计数据.值UUUUUUUUUUUUUUUUUUUU UUUUUUUU 088.2377 1.755e-16电话
[E0，V0]=推断（EstMdl，r）；
步骤2.预测回报和条件方差。
使用预测计算对未来1000个周期的收益和条件方差的MMSE预测。使用观测收益和推断残差以及条件方差作为预采样数据。
[Y，YMSE，V]=预测（EstMdl，1000，r，“E0”，E0，“V0”，V0）；上=Y+1.96*sqrt（YMSE）；下=Y-1.96*sqrt（YMSE）；图子地块（2,1,1）图（r，'颜色'，[75，.75，.75]）保持在绘图（N+1:N+1000，Y，“r”,'线宽'，2）绘图（N+1:N+1000，[上，下]，'k--','线宽'，1.5）xlim（[0，N+1000]）标题('预测回报')保持关子地块（2,1,2）图（V0，'颜色'，[75，.75，.75]）保持在绘图（N+1:N+1000，V，“r”,'线宽',2); xlim（[0，N+1000]）标题('预测的条件差异')保持关
条件方差预测收敛于GARCH条件方差模型的渐近方差。预测收益收敛到估计模型常数（AR条件均值模型的无条件均值）。
另请参见
物体
功能
相关实例
更多关于
也可以从以下列表中选择网站：
