使用模拟评估EGARCH预测偏差
这个例子展示了如何模拟一个EGARCH过程。基于仿真的预测相比,最小均方误差(MMSE)预测,显示偏差在MMSE EGARCH过程的预测。
指定一个EGARCH模型。
指定一个EGARCH(1,1)过程和常数 、GARCH系数 、拱系数 和杠杆系数 。
Mdl = egarch (“不变”,0.01,“四国”,0.7,…“拱”,0.3,“杠杆”,-0.1)
Mdl = egarch属性:描述:“条件方差egarch(1,1)模型(高斯分布)”Distribution: Name = "Gaussian" P: 1 Q: 1 Constant: 0.01 GARCH: {0.7} at lag [1] ARCH: {0.3} at lag [1] Leverage: {-0.1} at lag [1] Offset: 0
模拟实现。
模拟一个实现长度50 EGARCH条件方差过程和相应的创新。
rng默认的;%的再现性[v, y] =模拟(Mdl, 50);图次要情节(2,1,1)情节(v) xlim([0, 50])标题(“条件方差的过程”次要情节(2,1,2)情节(y) xlim([0, 50])标题(“创新”)
模拟多个实现。
使用生成的条件方差和创新作为presample数据,模拟5000年未来50次EGARCH过程的实现步骤。情节仿真预测的条件方差的过程。
rng默认的;%的再现性[Vsim, Ysim] =模拟(Mdl 50“NumPaths”,5000,…“E0”,y,“半”,v);图绘制(v,“k”)举行在情节(51:100 Vsim,“颜色”(.85 .85 .85])xlim ([0100]) h =情节(51:100,意味着(Vsim, 2),“k——”,“线宽”2);标题(“模拟条件方差的过程”)传说(h,“模拟的意思”,“位置”,“西北”)举行从
比较模拟和MMSE条件方差的预测。
比较模拟均值方差,MMSE方差预测,取幂,方差理论无条件的日志。
取幂,理论上无条件方差为指定的日志EGARCH(1,1)模型
sim =意味着(Vsim, 2);fcast =预测(Mdl 50 y,“半”,v);sig2 = exp (0.01 / (1 - 0.7));图绘制(sim卡,“:”,“线宽”,2)在情节(fcast“r”,“线宽”,2)情节((50,1)* sig2,“k——”,“线宽”传说,1.5)(“模拟”,“患者”,“理论”)标题(的无条件方差比较)举行从
MMSE和取幂,相对于无条件方差理论日志方差偏见(约4%),因为詹森不等式,
比较模拟和MMSE日志条件方差的预测。
比较仿真均值日志方差,日志MMSE方差预测,方差理论,无条件的日志。
logsim =意味着(日志(Vsim) 2);logsig2 = 0.01 / (1 - 0.7);图绘制(logsim,“:”,“线宽”,2)在情节(日志(fcast),“r”,“线宽”,2)情节((50,1)* logsig2,“k——”,“线宽”传说,1.5)(“模拟”,“患者”,“理论”)标题(“无条件的日志方差比较”)举行从
无条件的日志的MMSE预测方差无偏。