估计
最大化Loglikelihip功能使用fmincon
从优化工具箱™。fmincon
有许多优化选项,如优化算法的选择和约束违背容限。使用以下方法选择优化选项optimoptions
.
估计
使用fmincon
默认情况下,优化选项,其中包含这些异常。有关详细信息,请参阅fmincon
和optimoptions
在优化工具箱中。
optimoptions属性 | 描述 | 估计设置 |
---|---|---|
算法 |
最大限度地减少否定逻辑函数的算法 | 'SQP' |
显示 |
优化进度显示级别 | '离开' |
诊断 |
显示关于要最小化的功能的诊断信息 | '离开' |
ConstraintTolerance |
对约束违反的终止容忍 | 1 e - |
如果要使用与默认值不同的优化选项,则设置自己的使用optimoptions
.
例如,假设你想要的估计
显示优化诊断。最佳实践是设置名称-值对参数“显示”、“诊断”
在估计
.或者,您可以指示优化器显示优化诊断。
定义GARCH(1,1)模型(MDL.
)并从中模拟数据。
mdl0 = garch(“拱”, 0.2,“四国”,0.5,'持续的',0.5);RNG(1);Y =模拟(MDL0,500);
MDL.
没有回归组件。默认情况下,fmincon
不显示优化诊断。采用optimoptions
将其设置为显示优化诊断,并设置其他fmincon
属性到默认设置估计
在上表中列出。
选择= optimoptions (@fmincon,“诊断”,“上”,'算法',...'SQP','展示','离开',“ConstraintTolerance”,1E-7)
选项= fmincon选项:当前算法('sqp')使用的选项('sqp'):(其他可用算法:'活动集','内部点','sqp-cregacy','信任区域反光')设置属性:算法:'SQP'约束特许:1.0000E-07显示:'off'默认属性:赛道成员:0 finitedifferencestepsize:'sqrt(eps)'finitedifferenceType:'转发'maxFunctioneValuations:'100 * NumberOfVariables'MaxIltations:400 Objectivelimit:-1.0000e+20 OptimalalAlytolerance:1.0000E-06 OutputFCN:[] PlotFCN:[] ScaleQublem:0 SpecifyConstraintGRadient:0 SpecifyObjectiveGRadient:0 StepifyObjectsiveGRadient:0 StepTolerance:1.0000E-06 TypicalX:'(NumberOfVarialbles,1)'使用adplate:0显示当前未使用的选项算法('SQP')
% @fmincon是fmincon的函数句柄
控件下显示您设置的选项设定的用户:
标题。属于默认值:
标题是您可以设置的其他选项。
合身MDL.
来y
使用新的优化选项。
mdl = garch(1,1);estmdl =估计(mdl,y,“选项”、选择);
____________________________________________________________诊断信息变量数:3个函数目标:@(X)Mdl.nLogLikeGaussian(X,V,E, lag,1,maxPQ,T,nan,trapValue)梯度:有限差分Hessian:有限差分(或拟牛顿)约束非线性约束:线性不等式约束个数:1线性等式约束个数:0下界约束个数:3上界约束个数:3算法选择sqp ____________________________________________________________结束诊断信息GARCH(1,1)条件方差模型(高斯分布):Value StandardError TStatistic PValue _______ _____________ __________ ________ Constant 0.43145 0.46564 0.92656 0.35415 GARCH{1} 0.31435 0.24992 1.2578 0.20847 ARCH{1} 0.57143 0.32677 1.7487 0.080343
估计
在数值上最大化对数似然函数,潜在地使用等式、不等式和上下限约束。如果你设置算法
除了SQP.
,确保算法支持类似的约束,例如金宝app内点
.例如,trust-region-reflective
不支持不平等约束。金宝app
估计
设置约束级别ConstraintTolerance
所以约束没有被违反。具有主动约束的估计具有不可靠的标准误差,因为方差协方差估计假设似然函数是最大似然估计的局部二次。
该软件在估计GARCH模型时执行这些约束:
Covariance-stationarity,
GARCH和ARCH系数的正性
模型常数严格大于零
对于一个t创新分布,自由度严格大于2
对于GJR模型,估计过程中施加的约束为:
Covariance-stationarity约束,
GARCH和ARCH系数的正性约束
拱形和杠杆系数的阳性,
模型常数严格大于零
对于一个t创新分布,自由度严格大于2
对于eGARCH模型,在估计期间强制执行的约束是:
GARCH系数多项式的稳定性
对于一个t创新分布,自由度严格大于2