主要内容

优化设置条件方差估计模型

优化选项

估计最大化loglikelihood函数使用fmincon从优化工具箱™。fmincon有很多优化选项,如选择优化算法和约束违反宽容。选择优化选项使用optimoptions。

估计使用fmincon优化选项默认情况下,这些异常。有关详细信息,请参见fmincon和optimoptions在优化工具箱。

optimoptions属性 描述 估计设置
算法 算法最小化的负面loglikelihood函数 “sqp”
显示 为优化显示进步的水平 “关闭”
诊断 显示诊断信息函数最小化 “关闭”
ConstraintTolerance 终止公差约束违反 1 e -

如果你想使用不同于默认的优化选项,然后设置你自己的使用optimoptions。

例如,假设你想要的估计显示优化诊断。最佳实践是将名称-值对的论点“显示”、“诊断”在估计。或者,您可以直接优化器来显示优化诊断方法。

定义一个GARCH(1,1)模型(Mdl)和模拟数据。

Mdl0 = garch (“拱”,0.2,“四国”,0.5,“不变”,0.5);rng (1);y =模拟(Mdl0,500);

Mdl没有回归组件。默认情况下,fmincon不显示优化诊断。使用optimoptions将其设置为显示优化诊断,并设置fmincon属性的默认设置估计前面的表中列出。

选择= optimoptions (@fmincon,“诊断”,“上”,“算法”,…“sqp”,“显示”,“关闭”,“ConstraintTolerance”1 e)
选项= fmincon选项:选择当前使用的算法(sqp):(其他可用的算法:“激活集”、“内点”,“sqp-legacy”,“trust-region-reflective”)设置属性:算法:“sqp”ConstraintTolerance: 1.0000 e-07显示:“off”默认属性:CheckGradients: 0 FiniteDifferenceStepSize:“sqrt (eps)”FiniteDifferenceType:“向前”MaxFunctionEvaluations:‘100 * numberOfVariables MaxIterations: 400 ObjectiveLimit: -1.0000 e + 20 OptimalityTolerance: 1.0000 e-06 OutputFcn: [] PlotFcn: [] ScaleProblem: 0 SpecifyConstraintGradient: 0 SpecifyObjectiveGradient: 0 StepTolerance: 1.0000 e-06 TypicalX:“(numberOfVariables, 1)的”UseParallel: 0显示选项不习惯目前的算法(sqp)
% @fmincon fmincon函数处理

您设置的选项下出现设定的用户:标题。下的属性默认值:标题都是可以设置的其他选项。

适合Mdl来y使用新的优化选项。

Mdl = garch (1,1);EstMdl =估计(Mdl y“选项”、选择);
____________________________________________________________诊断信息的变量数量:3功能目的:@ (X) Mdl.nLogLikeGaussian (X, V, E,滞后1 maxPQ, T,南trapValue)梯度:有限差分黑森:拟牛顿约束非线性约束:不存在线性不等式约束的数量:1线性等式约束的数量:0下界约束数:3上界约束数:3算法选择sqp ____________________________________________________________最终诊断信息GARCH(1,1)条件方差模型(高斯分布):价值StandardError TStatistic PValue _________________ _____ ________常数0.43145 0.46565 0.92657 0.35415 GARCH{1} 0.31435 0.24992 1.2578 0.20847弓{1}0.57143 0.32677 1.7487 0.080343

请注意

  • 估计数值loglikelihood函数最大化,可能使用平等,不平等,并降低和上界约束。如果你设置算法以外的任何sqp,确保算法支持类似的约束,如金宝app内点。例如,trust-region-reflective不支持不等式约束。金宝app

  • 估计设置一个约束的水平ConstraintTolerance所以约束不受侵害。估计一个活跃的约束不可靠的标准错误因为variance-covariance估计假设周围的似然函数是局部二次最大似然估计。

条件方差模型约束

软件执行这些限制而估计GARCH模型:

  • Covariance-stationarity,

    ∑ 我 = 1 P γ 我 + ∑ j = 1 问 α j < 1

  • 积极的GARCH和拱系数

  • 模型常数严格大于零

  • 对于一个t创新分布、自由度严格大于2

GJR模型,约束执行期间估计是:

  • Covariance-stationarity约束,

    ∑ 我 = 1 P γ 我 + ∑ j = 1 问 α j + 1 2 ∑ j = 1 问 ξ j < 1

  • 积极约束GARCH和拱系数

  • 积极上拱和杠杆系数的总和,

    α j + ξ j ≥ 0 , j = 1 , … , 问

  • 模型常数严格大于零

  • 对于一个t创新分布、自由度严格大于2

EGARCH模型,约束执行期间估计是:

  • GARCH的稳定性系数多项式

  • 对于一个t创新分布、自由度严格大于2

另请参阅

对象

功能

相关的话题