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,
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,
积极约束GARCH和拱系数
积极上拱和杠杆系数的总和,
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