此示例显示如何使用GJR模型生成MMSE预测预测
.
指定无平均偏移量的GJR(1,1)模型,以及 , , 和 .
Mdl=gjr(“常数”,0.1,“加奇”,0.7,...“拱门”,0.2,“杠杆作用”,0.1);
生成100个周期的预测,有无指定样本前创新和条件方差。将预测与模型的理论无条件方差一起绘制。
v1=预测(Mdl,100);v2=预测(Mdl,100,“Y0”,1.4,“V0”,2.1); denom=1-Mdl.GARCH{1}-Mdl.ARCH{1}-0.5*Mdl.Leverage{1};sig2=Mdl.常数/denom;图1-1,“颜色”,[.9,.9,.9],“线宽”,8)保持在…上绘图(v2,“线宽”图(一(100,1)*sig2,“k——”,“线宽”,1.5)xlim([0100])标题(“预测GJR条件方差”)传奇(“无预采样”,“样本前”,“理论的”,...“位置”,‘东南’)持有关
v2(1)%显示预测的条件方差
ans=1.9620
不使用预采样数据生成的预测等于理论无条件方差。在没有预采样数据的情况下,预测
将无条件方差用于任何所需的采样前创新和条件方差。
在本例中,对于给定的样本前创新和条件方差,初始预测为
由于样本前创新为正(因此,负创新指标为零),因此杠杆期限不包括在预测中。