指定条件方差模型创新分布
在计量经济学的工具箱™,创新过程的一般形式 条件方差模型指定的参数形式条件方差的过程。创新分布对应于独立同分布的分布(iid)的过程zt。
的分布zt,你可以选择一个标准化的高斯或标准化的学生的t分布与ν> 2自由度。注意,如果zt遵循一个标准t分布,然后
在哪里Tν遵循学生的t分布与ν> 2自由度。
的t分布是有用的时间序列建模更极端值比预期的高斯分布。系列大据说常态下比预期值过度峰度。
提示
是一种很好的做法评估模型残差的分布特性来确定创新高斯分布(默认分配)是适合您的数据。
房地产分布
在模型中存储分配名称(和自由度t分布)。的数据类型分布
是一个结构体
数组中。创新对于一个高斯分布,数据结构只有一个字段:的名字
。对于一个学生的t分布,数据结构必须有两个字段:
的名字
,价值“t”
景深
,一个标量值大于两个(南
是默认值)
如果创新分布是高斯分布,您不需要分配一个值分布
。garch
,egarch
,gjr
创建所需的数据结构。
为了说明这一点,考虑指定GARCH(1, 1)模型:
Mdl = garch (1,1)
Mdl = garch的属性:描述:“garch(1,1)条件方差模型(高斯分布)”SeriesName: "Y" Distribution: Name = "Gaussian" P: 1 Q: 1 Constant: NaN GARCH: {NaN} at lag [1] ARCH: {NaN} at lag [1] Offset: 0
模型输出显示分布
是一个结构体
与一个字段数组,的名字
,价值“高斯”
。
当指定学生的t创新分布,您可以指定分布未知或已知的自由度。如果自由度是未知的,你可以简单地分配分布
的值“t”
。默认情况下,该财产分布
有一个数据结构的名字
等于“t”
,场景深
等于南
。当你输入模型估计
自由度是随着其他未知模型参数估计。
例如,指定一个GJR(2,1)模型iid学生的t创新分布未知自由度:
GJRMdl = gjr (“GARCHLags”1:2,“ARCHLags”,1“LeverageLags”,1…“分布”,“t”)
GJRMdl = gjr属性:描述:“gjr(2, 1)条件方差模型(t分布)”SeriesName: "Y" Distribution: Name = "t", DoF = NaN P: 2 Q: 1 Constant: NaN GARCH: {NaN NaN} at lags [1 2] ARCH: {NaN} at lag [1] Leverage: {NaN} at lag [1] Offset: 0
输出显示分布
是一种数据结构有两个字段。场的名字
的值“t”
,场景深
的值南
。
如果自由度是已知的,你想设置一个等式约束,分配一个结构体
数组来分布
与字段的名字
和景深
。在这种情况下,如果模型的输入估计
,自由度不会估计(等式约束是支持)。
指定一个GARCH(1,1)模型iid学生的t与八自由度分布:
GARCHMdl = garch (“GARCHLags”,1“ARCHLags”,1…“分布”结构(“名字”,“t”,“景深”8))
GARCHMdl = garch的属性:描述:“garch(1,1)条件方差模型(t分布)”SeriesName: "Y" Distribution: Name = "t", DoF = 8 P: 1 Q: 1 Constant: NaN GARCH: {NaN} at lag [1] ARCH: {NaN} at lag [1] Offset: 0
指定的输出显示了创新分布。
一个模型存在于工作区后,你可以修改它分布
财产使用点符号。您不能修改的字段分布
直接的数据结构。例如,GARCHMdl.Distribution。景深= 8
不是一个有效的任务。然而,你可以得到各个领域。
改变现有的创新过程的分布模型以一个学生的t分布与未知自由度,类型:
Mdl。分布=“t”;
改变的分布t分布与已知的自由度,用一个数据结构:
Mdl。分布=结构(“名字”,“t”,“景深”8);
你可以得到个人分布
字段:
tDoF = Mdl.Distribution.DoF
tDoF = 8
从一个学生的改变创新分布t回一个高斯分布、类型:
Mdl。分布=“高斯”
Mdl = garch的属性:描述:“garch(1,1)条件方差模型(高斯分布)”SeriesName: "Y" Distribution: Name = "Gaussian" P: 1 Q: 1 Constant: NaN GARCH: {NaN} at lag [1] ARCH: {NaN} at lag [1] Offset: 0
的的名字
字段更新“高斯”
,不再是一个景深
字段。