这个例子说明如何使用预测条件方差模型预测
。
加载包含在工具箱中的德国马克/英镑汇率数据,并将其转换为收益。对于数值稳定性,转换回报率的回报。
加载Data_MarkPoundR = price2ret(数据);PR = 100 * R;T =长度(R);
指定并适合GARCH(1,1)模型。
MDL = GARCH(1,1);EstMdl =估计(MDL,PR);
GARCH(1,1)的条件方差模型(高斯分布):值StandardError的TStatistic p值________ _____________ __________ __________常数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
使用拟合模型产生超过200期的地平线MMSE预测。使用观察收益率序列作为样品前的数据。默认,预测
推断相应的样品前体条件方差。比较预测的GARCH(1,1)模型的理论条件方差方差的渐近线。
V =预测(EstMdl,200,PR);SIG2 = EstMdl.Constant /(1-EstMdl.GARCH {1} -EstMdl.ARCH {1});图图(V,'R','行宽'2)保持上图(一(200,1)* SIG2,'K--','行宽'1.5)XLIM([0200])标题(“预测条件方差”)图例('预测',“理论”,'位置','东南')保持离
所述MMSE预测收敛于理论无条件方差后约160的步骤。