对于条件方差模型,创新过程为
在哪里zt遵循标准化高斯分布或学生分布t分布与
的自由度。在模型属性中指定您的分布选择分布
.
创新方差, 可以遵循GARCH、EGARCH或GJR条件方差过程。
如果模型包含一个平均偏移项,那么
的估计
函数garch
,egarch
,gjr
模型使用最大似然估计估计参数。估计
为输入模型中的任何参数返回拟合值南
.估计
尊重输入模型中的任何等式约束,并且不返回具有等式约束的参数的估计。
考虑到一个过程的历史,创新是有条件独立的。让Ht表示当时可用工艺的历史t,t= 1,…,N.给出了创新级数的似然函数
在哪里f是标准化高斯分布还是t密度函数。
对数似然目标函数的精确形式取决于创新分布的参数形式。
如果zt有一个标准高斯分布,那么对数似然函数是
如果zt有一个标准化的学生t分布与 自由度,那么对数似然函数是
估计
执行协方差矩阵估计最大似然估计使用梯度的外积(OPG)方法。
[1]广义自回归条件异方差。计量经济学杂志.1986年第31卷,307-327页。
[2]投机价格与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]与英国通货膨胀方差估计的自回归条件异方差性>。费雪.第50卷,1982年,987-1007页。
[4]格洛斯滕,L. R., R. Jagannathan和D. E. Runkle。“关于期望值与股票名义超额收益波动的关系”。金融杂志.第48卷,第5期,1993年,1779-1801页。
[5]汉密尔顿,j . D。时间序列分析.普林斯顿:普林斯顿大学出版社,1994。