GJR模型

波动率聚类的Glosten-Jagannathan-Runkle GARCH模型

如果负面冲击比正冲击作出更大的贡献波动,那么你就可以模拟创新过程中使用GJR模型,包括杠杆效应。有关如何模型波动集群使用GJR模型的详细信息,请参阅gjr

应用

计量经济学建模 分析并建立计量经济学时间序列模型

职能

展开全部

gjr GJR条件方差时间序列模型
估计 适合条件方差模型数据
推断出 推断条件方差模型的条件方差
总结 条件方差模型的显示估计结果
模拟 条件方差模型的蒙特卡罗模拟
过滤器 通过条件方差模型筛选干扰
预测 从条件方差模型预测条件方差

例子及如何

创建模型

指定型号GJR

使用创建GJR模型gjr或计量经济学建模应用程序。

条件方差模型的修改属性

使用点符号更改修改模型属性。

指定条件方差模型的创新分布

指定高斯或T分布式创新过程。

为汇率指定条件方差模型

建立每日德国马克/英镑汇率的条件方差模型。

指定条件均值和方差模型

创建复合条件均值和方差模型。

拟合模型到数据

比较条件方差模型拟合统计使用计量经济学建模应用

交互指定气盛GARCH,EGARCH,并将数据GJR模型。然后,确定该模型适合于最好通过比较拟合统计的数据。

似然比检验条件方差模型

将两个相互竞争的条件方差模型与数据拟合,然后使用似然比检验比较它们的拟合。

估计条件均值和方差模型

估计复合条件均值和方差模型。

执行GARCH模型的残差诊断使用计量经济学建模应用

通过执行剩余的诊断数据拟GARCH模型交互后评估模型假设。

推断条件方差和残差

有条件的推断从拟合条件方差模型差异。

计量经济学建模应用程序会话中分享成果

将变量导出到MATLAB®工作区,生成纯文本和返回在应用程序会话估计模型,或生成报表记录在计量建模应用会话时间序列的活动,并估计模型直播功能。

利用极值理论和Copula函数来评估市场风险

这个例子展示了如何用蒙特卡罗模拟技术模拟一个假设的全球股票指数投资组合的市场风险,使用的是学生的t copula和极值理论(EVT)。

生成蒙特卡罗模拟法

模拟条件方差模型

模拟条件方差模型。

模拟GARCH模型

使用或不指定预采样数据从GARCH进程进行模拟。

模拟条件均值和方差模型

模拟响应和条件方差从复合条件均值和方差模型。

产生最小均方误差预测

预测模型GJR

生成从GJR模型MMSE预测。

预测一个条件方差模型

预测德国马克/英镑外汇使用拟合条件方差模型率。

预测条件均值和方差模型

预测的反应和条件方差从复合条件均值和方差模型。

概念

计量经济学建模应用概览

计量经济学建模应用程序是一个可视化和分析单变量时间序列数据的交互式工具。

交互指定滞后算子多项式

使用计量经济学建模器为时间序列模型估计指定滞后操作多项式术语。

条件方差模型

了解该帐户波动聚类模式。

最大似然估计的条件方差模型

了解如何可能性最大的是条件方差模型进行。

条件方差模型估计与等式约束

使用已知的参数值估计期间约束模型。

预充足的数据条件方差模型估计

指定样品前数据初始化模式。

条件方差模型估计的初始值

用于估计的指定初始参数值。

对于条件方差模型估计的优化设置

通过指定替代的优化选项疑难解答估计问题。

条件方差模型的Monte Carlo模拟

了解蒙特卡罗模拟。

样品前数据的条件方差模型仿真

了解有关模拟样品前要求。

条件方差模型的蒙特卡罗预测

了解蒙特卡洛预测。

条件方差模型的MMSE预测

学习MMSE预测。