用于条件方差模型估计的预先数据数据

预先数据是观察期开始前的时间点的数据。在OuthoMetrics Toolbox™中，您可以指定您自己的预先数据数据或使用自动生成的预先数据数据。

在条件方差模型中，创新条件方差的当前值， $${\mathrm{\sigma .}}_{\mathrm{T.}}^2那$$取决于历史信息。历史信息包括过去有条件的差异， $${\mathrm{\sigma .}}_1^2那{\mathrm{\sigma .}}_2^2那......那{\mathrm{\sigma .}}_{\mathrm{T.}-1}^2那$$和过去的创新， $${\mathrm{\epsilon .}}_1那{\mathrm{\epsilon .}}_2那......那{\mathrm{\epsilon .}}_{\mathrm{T.}-1}。$$

目前条件方差取决于条件方差模型的程度，过去的差异和创新的数量。例如，在GARCH（1,1）模型中，每个条件方差取决于一个滞后的方差和一个滞后的平方创新，

一般来说，困难在系列开始时出现，因为前几个创新的可能性贡献是没有观察到的历史信息的条件。在GARCH（1,1）示例中， $${\mathrm{\sigma .}}_1^2$$依赖于取决于 $${\mathrm{\sigma .}}_{0.}^2$$和 $${\mathrm{\epsilon .}}_{0.}。$$未观察到这些值。

为了加奇（P.那问：）和gjr（P.那问：） 楷模，P.预先样式和曲折问：需要预先创新以初始化方差方程。对于一只肉食（P.那问：）模型，最大（P.那问：）预先存在的差异和问：需要预先创新以初始化方差方程。

如果您想指定自己的预先规定的差异和创新估计，使用名称值参数v0.和E0.， 分别。

默认情况下，估计如下生成自动预定数据。GARCH和GJR模型：

对于肉食型号：

也可以看看

对象

• 贝加奇|加油|GJR.

功能

• 估计

相关话题

• 条件方差模型的最大似然估计
• 具有平等约束的条件方差模型估计
• 条件方差模型估计的初始值
• 条件方差模型估计的优化设置