预报GJR模式

打开实时脚本

此示例展示了如何使用以下命令从GJR模型生成MMSE预测预测．

步骤1。指定GJR模型。

指定一个没有平均偏移量和的GJR(1,1)模型 $κ ＝ 0 ． 1$ ， $γ_{1} ＝ 0 ． 7$ ， $α_{1} ＝ 0 ． 2$ 和 $ξ_{1} ＝ 0 ． 1$ ．

Mdl = gjr(“不变”, 0.1,“四国”, 0.7,…“拱”, 0.2,“杠杆”, 0.1);

步骤2。生成MMSE预测。

在有或没有指定样本创新和条件方差的情况下，生成100个周期的预测。将预测与模型的理论无条件方差一起绘制。

v1 = forecast(Mdl,100);v2 = forecast(Mdl,100;“Y0”, 1.4,“半”, 2.1);denom = 1 -Mdl.ARCH{1}-0.5* mdl .杠杆{1};sig2 = Mdl.Constant/ dom;图绘制(v1,“颜色”(。9、。9。9),“线宽”, 8)在情节(v2,“线宽”, 2)情节((100 1)* sig2,“k——”，“线宽”，1.5) xlim([0,100]) title(预测GJR条件方差)传说(“没有Presamples”，“Presamples”，“理论”，…“位置”，“东南”)举行从

图包含一个轴对象。标题为Forecast GJR Conditional Variance的坐标轴对象包含3个类型为line的对象。这些对象代表无预样本，预样本，理论。

v2 (1)显示预测的条件方差

Ans = 1.9620

不使用样本数据产生的预测等于理论无条件方差。在缺乏样本数据的情况下，预测对任何所需的样本创新和条件方差使用无条件方差。

在本例中，对于给定的样本创新和条件方差，起始预测为

${σ_{}^{ˆ}}_{t + 1}^{2} ＝ κ + γ_{1} σ_{t}^{2} + α_{1} ε_{t}^{2} ＝ 0 ． 1 + 0 ． 7 （ 2 ． 1 ） + 0 ． 2 （ 1 ． 4^{2} ）＝ 1 ． 962 ．$

由于样本创新为正，因此杠杆项不包括在预测中(因此负创新指标为零)。

预报GJR模式

步骤1。指定GJR模型。

步骤2。生成MMSE预测。

另请参阅

对象

功能

相关的例子

更多关于