主要内容

滤器

利用条件方差模型滤除干扰

折叠所有页面

语法

[V，Y]=过滤器（Mdl，Z）
[V，Y]=过滤器（Mdl，Z，名称，值）

描述

例子

［V，Y]=过滤器(Mdl，Z）滤除干扰(Z)，通过完全指定的条件方差模型(Mdl)产生条件方差(v)及回应(y).Mdl可以是加什，指数广义自回归条件异方差,或gjr模型。

例子

［V，Y]=过滤器(Mdl，Z，名称、值）使用由一个或多个指定的附加选项过滤干扰名称、值配对参数。例如，可以指定采样前干扰和条件方差路径。

例子

全部崩溃

打开实时脚本

指定一个具有高斯创新的GARCH(1,1)模型。

Mdl = garch (“不变”, 0.005,“四国”,0.8,“拱”, 0.1);

使用蒙特卡罗模拟对模型进行模拟，然后对模拟的创新点进行标准化和过滤。

rng（1）；%为了再现性(v, e) =模拟(Mdl, 100,‘E0’,0,“V0”, 0.05);Z = e /√(v);(V, E) =过滤器(Mdl, Z,“Z0”,0,“V0”, 0.05);

确认模拟和滤器都是相同的。

isequal (v, v)
ans=逻辑1

逻辑值1确认两个输出相同。

打开实时脚本

指定具有高斯新息的EGARCH（1,1）模型。

Mdl = egarch (“不变”, -0.1,“四国”,0.8,“拱”,0.3,．..“杠杆作用”, -0.05);

模拟25个标准高斯观测序列100个周期。

rng（1）；%为了再现性Z=randn（100,25）；

Z表示100个周期内的25条同步干扰路径。

通过EGARCH（1,1）模型过滤干扰路径，获得25条条件方差路径。

V=过滤器（Mdl，Z）；

绘制条件方差的路径。

图；绘图（V）；标题(“条件方差路径”）;包含(“周期”）;

图中包含一个轴对象。具有标题条件方差路径的轴对象包含25个line类型的对象。

打开实时脚本

指定一个具有高斯创新的GJR(1,2)模型。

Mdl=gjr(“不变”, 0.005,“四国”,0.8,“拱”{0.1 - 0.01},．..“杠杆作用”,{0.05 0.01});

模拟102个周期的25组标准高斯观测。

rng（1）；%为了再现性25 Z = randn (102);

Z表示102个周期的25条同步扰动路径。

通过GJR（1,2）模型过滤干扰路径，获得条件方差的25100个周期路径。将前两个扰动指定为采样前观测值。

V =过滤器(Mdl, Z(3:最终,:)“Z0”Z (1:2));

绘制条件方差的路径。

图；绘图（V）；标题(“条件方差路径”）;包含(“周期”）;

图中包含一个轴对象。具有标题条件方差路径的轴对象包含25个line类型的对象。

输入参数

全部崩溃

无任何未知参数的条件方差模型，指定为加什，指数广义自回归条件异方差,或gjr模型对象。

Mdl不能包含任何具有楠价值。

用于驱动创新过程的干扰路径，指定为数值向量或矩阵。考虑到方差过程σt2干扰过程zt，创新过程是

ε t ＝ σ t z t ．

作为列向量，Z表示基本扰动序列的单一路径。

矩阵的行数Z与时间相对应。这些列对应不同的路径。对任意一行的观察同时发生。

数据的最后一个元素或行Z包含最新的观察结果。

请注意

楠S表示缺失值。滤器从中删除这些值Z由listwise删除。该软件删除的任何行Z至少有一个楠.删除楠S在数据中减少了样本量，也可以产生不规则的时间序列。

名称-值参数

指定可选的逗号分隔的对名称、值论据。的名字参数名和价值是对应的值。的名字必须出现在引号内。您可以按任意顺序指定多个名称和值对参数，如下所示：名称1，值1，…，名称，值．

例子：‘Z0’、[11；0.50.5]、‘V0’、[10.5；10.5]指定两个等价的创新前样本路径和两个不同的条件方差前样本路径。

前采样扰动路径，指定为数值向量或矩阵。Z0为输入扰动序列提供初值，Z．

  • 如果Z0是一个列向量，那么滤器将其应用于每个输出路径。

  • 如果Z0是一个矩阵，那么它的列数必须至少和Z．如果Z0列数多于Z,然后滤器使用第一个尺寸（Z，2）仅列。

Z0至少有Mdl。问行初始化条件方差模型。如果行数Z0超过Mdl。问,然后滤器仅使用所需的最新观察次数。

最后一个元素或行包含最新的观察结果。

默认情况下，滤器将任何必要的采样前干扰设置为从Mdl.分配．

数据类型：双重的

正预采样条件方差路径，指定为数字向量或矩阵。半提供模型中条件方差的初始值。

  • 如果半是一个列向量，那么滤器将其应用于每个输出路径。

  • 如果半是一个矩阵，那么它的列数必须至少和Z．如果半列数多于Z,然后滤器使用第一个尺寸（Z，2）仅列。

半至少有max (Mdl.P Mdl.Q)行初始化方差方程。如果行数半超过必要的数量，则滤器仅使用所需的最新观察次数。

最后一个元素或行包含最新的观察结果。

默认情况下，滤器将任何必要的采样前条件方差设置为过程的无条件方差。

数据类型：双重的

笔记

  • 楠S表示缺失值。滤器删除缺少的值。软件合并预采样数据(Z0和半)与扰动分开(Z)，然后使用列表方式删除至少包含一个楠.删除楠数据中的S减少了样本量。删除楠s还可以创建不规则的时间序列。

  • 滤器假设同步预采样数据，以便同时发生每个预采样系列的最新观测结果。

输出参数

全部崩溃

条件方差路径，作为列向量或矩阵返回。V表示与相关的平均零异方差创新的条件方差Y．

的尺寸V和Z是等价的。如果Z是一个矩阵，那么列是V过滤的条件方差路径是否对应于的列Z．

行V周期是否对应于的周期Z．

响应路径，作为数字列向量或矩阵返回。Y通常表示具有条件方差的创新的均值为零的异方差时间序列V．

Y也可以表示均值为零的异方差创新加上偏移量的时间序列。如果Mdl那么，包括偏移量滤器将偏移量加到潜在的均值为零的异方差创新上。因此,Y表示经过补偿调整的创新的时间序列。

如果Z是一个矩阵，那么列是Y过滤后的响应路径是否对应于Z．

行Y周期是否对应于的周期Z．

选择

滤器概括模拟.两个函数都过滤一系列干扰，以产生输出响应和条件方差。但是，模拟根据条件方差模型对象的分布，自动生成一系列均值-零、单位-方差、独立和同分布(iid)扰动，Mdl．相比之下,滤器让你直接指定你自己的干扰。

参考文献

[1] Bollerslev, T.“广义自回归条件异方差”。计量经济学杂志》上。1986年第31卷，第307-327页。

关于投机性价格和收益率的条件异方差时间序列模型。《经济学与统计评论》1987年第69卷，第542-547页。

[3] 博克斯，G.E.P.，G.M.詹金斯和G.C.莱因塞尔。时间序列分析:预测与控制．3版。恩格尔伍德悬崖，NJ: Prentice Hall, 1994。

恩德斯[4],W。应用计量经济学时间序列．霍博肯:约翰·威利父子公司，1995。

[5] Engle, R. F. <英国通货膨胀方差估计的自回归条件异方差性>。计量经济学1982年第50卷，第987-1007页。

j·D·汉密尔顿时间序列分析．普林斯顿:普林斯顿大学出版社，1994。

另请参阅

对象

功能

话题

2012年推出

计量经济学工具箱文件

金宝app

用MATLAB建模财务风险的实用指南

用MATLAB建模财务风险的实用指南

下载电子书