模拟条件均值和方差模型
这个例子展示了如何从一个复合模拟反应和条件方差条件均值和方差模型。
加载数据和模型
负载纳斯达克工具箱中包含的数据。符合一个条件均值和方差模型日常的回报。规模回报百分比数值稳定的回报
负载Data_EquityIdx纳斯达克= DataTable.NASDAQ;r = 100 * price2ret(纳斯达克);T =长度(r);Mdl = arima (“ARLags”,1“方差”garch (1,1),…“分布”,“t”);EstMdl =估计(Mdl r“Variance0”,{“Constant0”,0.001});
ARIMA(1,0,0)模型(t分布):价值StandardError TStatistic PValue ________ _________________ __________ __________常数0.093488 0.016694 5.6002 2.1414 e-08 AR {1} e-13景深7.4775 0.88261 8.472 1.6175 0.13911 0.018857 7.3771 2.4126 e-17 GARCH(1,1)条件方差模型(t分布):价值StandardError TStatistic PValue ________ _________________ __________ __________常数0.011246 0.0036305 3.0976 0.0019511 GARCH{1} 0.90766 0.010516 86.315 0弓{1}e-16景深7.4775 0.88261 8.472 1.0712 0.089897 0.010835 8.2966 2.4126 e-17
(e0、v0) =推断(EstMdl, r);
模拟的回报,创新,和条件方差
使用模拟为回报,产生100样本路径创新,1000 -时间和条件方差未来的地平线。用观察到的回报和推断出残差和条件方差作为presample数据。
rng“默认”;(y, e, v) =模拟(EstMdl, 1000,“NumPaths”,100,…“Y0”r“E0”下,,“半”v0);图绘制(r)在情节(T + 1: T + 1000, y) xlim ([0, T + 1000])标题(“模拟回报”)举行从
仿真显示了增长波动预测地平线。
情节条件方差
情节的推断和模拟条件方差。
图绘制(v0)在情节(T + 1: T + 1000 v) xlim ([0, T + 1000])标题(模拟的条件方差的)举行从
增加模拟收益波动是由于较大的条件方差的预测地平线。
情节标准化创新
规范的创新使用条件方差的平方根的过程。情节的标准化创新预测地平线。
图绘制(e /√(v) xlim([0, 1000])标题(“模拟标准化创新”)
拟合模型假设标准化创新遵循标准化学生的t分布。因此,模拟创新比预计将有更多的更大的值从一个创新高斯分布。
