模拟
条件方差模型的蒙特卡罗模拟
描述
例子
模拟GARCH模型条件差异和响应
用GARCH(1,1)模型模拟条件方差和响应路径。
使用已知参数指定GARCH（1,1）模型。
mdl = garch（'持续的', 0.01,'GARCH'，0.7，“拱”, 0.2);
模拟500个样本路径，每个路径有100个观测值。
rng.默认；%的再现性[v，y] =模拟（MDL，100，'numpaths'，500）;图形子图（2,1,1）绘图（v）标题（模拟的条件方差的)子plot(2,1,2) plot(Y) title(“模拟反应”）
模拟的响应看起来像静止随机过程。
绘制模拟条件差异的2.5，50（中位数）和97.5百分位数。
低= prctile (V, 2.5, 2);中间=值(V, 2);上= prctile (V, 97.5, 2);图绘制(1:10 0,降低,'r：'，1：100，中间，“k”，......1：100，上部，'r：'，“线宽”，2）传奇（“95%间隔”，“中值”)标题(“大约95%的间隔”）
由于条件方差的正性约束，区间是不对称的。
模拟eGARCH模型条件差异和响应
模拟来自Egarch（1,1）模型的条件方差和响应路径。
指定一个参数已知的EGARCH(1,1)模型。
Mdl = egarch ('持续的'，0.001，'GARCH'，0.7，“拱”, 0.2,......'杠杆作用'，-0.3）;
模拟500个样本路径，每个路径有100个观测值。
rng.默认；%的再现性[v，y] =模拟（MDL，100，'numpaths'，500）;图形子图（2,1,1）绘图（v）标题（模拟的条件方差的)子plot(2,1,2) plot(Y) title('模拟响应（创新）'）
模拟的响应看起来像静止随机过程。
绘制模拟条件差异的2.5，50（中位数）和97.5百分位数。
低= prctile (V, 2.5, 2);中间=值(V, 2);上= prctile (V, 97.5, 2);图绘制(1:10 0,降低,'r：'，1：100，中间，“k”，......1:10 0,上,'r：'，“线宽”，2）传奇（“95%间隔”，“中值”)标题(“大约95%的间隔”）
由于条件方差的正性约束，区间是不对称的。
模拟GJR模型条件方差和响应
从GJR(1,1)模型模拟条件方差和响应路径。
指定已知参数的GJR(1,1)模型。
Mdl = gjr ('持续的'，0.001，'GARCH'，0.7，“拱”, 0.2,......'杠杆作用', 0.1);
模拟500个样本路径，每个路径有100个观测值。
rng.默认；%的再现性[v，y] =模拟（MDL，100，'numpaths'，500）;图形子图（2,1,1）绘图（v）标题（模拟的条件方差的)子plot(2,1,2) plot(Y) title('模拟响应（创新）'）
模拟的响应看起来像静止随机过程。
绘制模拟条件差异的2.5，50（中位数）和97.5百分位数。
低= prctile (V, 2.5, 2);中间=值(V, 2);上= prctile (V, 97.5, 2);图绘制(1:10 0,降低,'r：'，1：100，中间，“k”，......1:10 0,上,'r：'，“线宽”，2）传奇（“95%间隔”，“中值”)标题(“大约95%的间隔”）
由于条件方差的正性约束，区间是不对称的。
利用蒙特卡罗模拟预测条件方差
模拟纳斯达克综合指数500天的每日回报的条件方差。使用模拟来作出预测和大约95%的预测间隔。比较GARCH(1,1)、EGARCH(1,1)和GJR(1,1)拟合的预测结果。
加载工具箱中包含的纳斯达克数据。将索引转换为返回值。
负载Data_EquityIdx纳斯达克= DataTable.NASDAQ;r = price2ret(纳斯达克);T =长度(r);
对整个数据集拟合GARCH(1,1)、EGARCH(1,1)和GJR(1,1)模型。推断条件方差作为预测模拟的前样本条件方差。
Mdl =细胞(3,1);%预先配置Mdl {1} = garch (1,1);Mdl {2} = egarch (1,1);Mdl {3} = gjr (1,1);EstMdl = cellfun (@ (x)估计(x, r,“显示”，“关闭”)、Mdl......'统一输出'、假);v0 = cellfun (@ (x)推断(x, r), EstMdl,'统一输出'、假);
estmdl.是3×1细胞矢量。每个单元是一种不同类型的估计条件方差模型，例如，estmdl {1}是估计的GARCH(1,1)模型。v0.是一个3 × 1的单元向量，每个单元包含从相应的估计模型推断的条件方差。
模拟1000个样本路径，每个路径有500个观测值。使用观察到的返回值和推断出的条件方差作为前样例数据。
vsim = cell（3,1）;%预先配置为2 . n .复合体，复合体默认；%的再现性vSim {j} =模拟(EstMdl {j}, 500年,'numpaths', 1000,“E0”r“半”，v0 {j}）;结束
vSim是一个3×1个细胞矢量，每个单元包含从相应的估计模型产生的模拟条件差异的500×1000矩阵。
绘制模拟平均预测和大约95%的预测区间，以及从数据推断的条件方差。
低= cellfun (@ (x) prctile (x, 2.5, 2), vSim,'统一输出'、假);Upper = Cellfun（@（x）prctile（x，97.5,2），VSIM，'统一输出'、假);mn = cellfun (@ (x)的意思是(x, 2), vSim,'统一输出'、假);datesplot =日期（结束 - 250：结束）;datesfh =日期（结束）+（1：500）';h =零（3,4）;数字为J = 1:3 col = 0 (1,3);坳(j) = 1;h (j, 1) =情节(datesPlot, v0 {j}(端- 250:端),“颜色”，col）;抓住在h (j, 2) =情节(datesFH, mn {j},“颜色”，col，“线宽”3);h(j,3:4) = plot([datesFH datesFH]，[lower{j} upper{j}]，'：'，......“颜色”，col，“线宽”2);结束甘氨胆酸hGCA =;情节(datesFH (1) * [1], hGCA。YLim,“k——”）;datetick;轴紧；H = H（：，1：3）;传奇（H（:)，GARCH -推断的，“EGARCH -推断”，'gjr - 推断'，......“GARCH - Sim卡。的意思是“，'egarch - sim。的意思是“，“GJR - Sim卡。的意思是“，......“GARCH——95% Fore。”Int。，'egarch - 95％前。Int。，......'GJR - 95％前。Int。，'地点'，“东北”)标题('模拟条件方差预测'） 抓住离开
输入参数
输出参数
参考文献
[1] Bollerslev, T.“广义自回归条件异方差”。计量经济学杂志．卷。31,1986，pp。307-327。
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] Box, G. E. P. G. M. Jenkins和G. C. Reinsel。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。应用计量经济时间序列．霍博肯:约翰·威利父子公司，1995。
[5] Engle，R. F.“自归有条件异性瘢痕糕点，估计联合王国通胀的变化。”费雪．第50卷，1982年，987-1007页。
[6] Glosten, L. R.， R. Jagannathan, D. E. Runkle。“关于期望值与股票名义超额收益波动的关系”。财务杂志．第48卷，第5期，1993年，1779-1801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。
[8] Nelson, D. B. <资产收益的条件异方差:一种新方法>。费雪．卷。59,1991，第347-370页。
另请参阅
对象
功能
您还可以从以下列表中选择一个网站：
