本例展示了如何使用计量经济学建模应用程序为一个GARCH模型选择适当的ARCH和GARCH滞后量。数据集存储在Data_MarkPound
,包含1984年至1991年间每日德国马克/英镑的双边即期汇率。
在命令行,加载Data_MarkPound.mat
数据集。
负载Data_MarkPound
在命令行,打开计量经济学建模师应用程序。
econometricModeler
或者,从应用程序库中打开应用程序(参见计量经济学建模师)。
进口数据
应用程序:
在计量经济学建模师选项卡,进口部分中,点击。
在导入数据对话框中进口吗?的复选框中选择数据变量。
点击进口。
的变量Data1
出现在数据浏览器,其时间序列图出现在时间序列图(Data1)图窗口。
汇率看起来是不稳定的(它似乎不在一个固定的水平上下波动)。
将汇率转换为收益。
与Data1
选择的数据浏览器,在计量经济学建模师选项卡,转换部分中,点击日志。
在数据浏览器,一个表示已记录汇率的变量(Data1Log
,其时间序列情节出现在时间序列图(Data1Log)图窗口。
在数据浏览器中,选择Data1Log
。
在计量经济学建模师选项卡,转换部分中,点击区别。
在数据浏览器,一个表示返回值的变量(Data1LogDiff
)出现。中出现了差分序列的时间序列图时间序列图(Data1LogDiff)图窗口。
重命名Data1LogDiff
变量来返回
。
在数据浏览器,右键单击Data1LogDiff
。
在上下文菜单中选择重命名。
输入返回
。
应用程序更新所有与返回相关的文档的名称。
收益系列在一个共同的水平上下波动,但表现出波动的聚集性。回报的大变化往往聚集在一起,小变化往往聚集在一起。也就是说,级数具有条件异方差性。
通过绘制样本ACF和PACF,直观判断收益是否具有序列相关性:
关闭右侧窗格中的所有图形窗口。
在数据浏览器,选择返回
时间序列。
单击情节选项卡,然后单击ACF。
单击情节选项卡,然后单击PACF。
拖动PACF(返回)图窗口下面的ACF(返回)图形窗口,以便您可以同时查看它们。
样本ACF和PACF几乎没有显著的自相关。
进行Ljung-Box q检验,以评估至多5、10和15个时滞的收益是否存在显著的序列相关性。为了保持一个大约0.05的错误发现率,为每个测试指定一个0.05/3 = 0.0167的显著性水平。
关闭ACF(返回)和PACF(返回)图窗口。
与返回
选择的数据浏览器,在计量经济学建模师选项卡,测试部分中,点击新的测试>Ljung-Box Q-Test。
在LBQ选项卡,参数节中,设置数量的滞后来5
。
集显著性水平来0.0167
。
在测试部分中,点击运行测试。
通过这些更改,重复步骤3到5两次。
集数量的滞后至10及景深到10。
集数量的滞后到15岁景深到15。
测试结果显示在结果表的LBQ(返回)文档。
Ljung-Box Q-test原假设在滞后5、10和15时,所有的自相关系数直到被测滞后时间都为零,这一假设没有被拒绝。这些结果,以及ACF和PACF,表明这个返回序列不需要条件均值模型。
为了检验条件异方差性的回报,计量经济学建模师需要一系列平方残差。将平方残差导入app后,通过绘制平方残差的ACF和PACF,直观判断是否存在条件异方差。然后,通过恩格尔ARCH检验,确定收益GARCH模型的适当滞后量。
通过降低返回值,然后对结果的每个元素平方,来计算命令行上的残差平方序列。
出口返回
到命令行:
在数据浏览器,右键单击返回
。
在上下文菜单中选择出口
。
返回
出现在MATLAB中®工作区。
将平均值从返回值中移除,然后对结果的每个元素平方。确保所有系列产品均在数据浏览器是否同步,计量经济学建模师预先使用南
价值。因此,估计样本均值,使用nanmean
。
残差=收益- nanmean(收益);Residuals2 =剩余工资。^ 2;
创建一个包含返回
和Residuals2
变量。
台=表(回报,残差,Residuals2);
进口资源描述
计量经济学建模者:
在计量经济学建模师选项卡,进口部分中,点击。
应用程序必须清除数据浏览器以及导入新数据之前的所有文档。因此,在点击进口,在计量经济学建模师对话框中,单击好吧。
在导入数据对话框中进口吗?的复选框中选择资源描述变量。
点击进口。
变量出现在数据浏览器,而一个时间序列的所有系列的情节出现在时间序列图(残差)图窗口。
画出残差平方和的ACF和PACF。
关闭时间序列图(残差)图窗口。
在数据浏览器,选择Residuals2
时间序列。
单击情节选项卡,然后单击ACF。
单击情节选项卡,然后单击PACF。
拖动PACF (Residuals2)图窗口下面的ACF (Residuals2)图形窗口,以便您可以同时查看它们。
平方收益率的样本ACF和PACF表现出显著的自相关。这一结果表明,具有滞后方差和滞后平方创新的GARCH模型可能适合对收益进行建模。
对残差序列进行恩格尔ARCH检验。指定一个双滞后拱模型替代假设。
关闭所有图形窗口。
在数据浏览器,选择残差
时间序列。
在计量经济学建模师选项卡,测试部分中,点击新的测试>恩格尔的拱测试。
在拱选项卡,参数节中,设置数量的滞后来2
。
在测试部分中,点击运行测试。
测试结果显示在结果表的拱(残差)文档。
恩格尔拱检验拒绝无拱效应的原假设,支持具有两项滞后平方创新的替代拱模型。有两个滞后创新的ARCH模型在局部等价于GARCH(1,1)模型。
将GARCH(1,1)模型适合于returns系列。
在数据浏览器,选择返回
时间序列。
单击计量经济学建模师选项卡。然后,在模型部分,单击箭头以显示模型库。
在模特陈列室里GARCH模型部分中,点击GARCH。
在GARCH模型参数对话框中延迟订单标签:
集GARCH程度来1
。
集拱度来1
。
因为返回值需要降级,所以通过选择包括抵消复选框。
点击估计。
模型变量GARCH_Returns
出现在模型部分的数据浏览器,其估计摘要见模型总结(GARCH_Returns)文档。
选择滞后时间的另一种方法是对包含不同滞后多项式度的几个模型进行拟合。然后,选择产生最小AIC的模型。