加油

GARCH条件方差时间序列模型

展开所有页面

描述

采用加油指定单变量加曲（广义自回归条件异源间）模型。这加油函数返回A.加油对象的函数形式garch（P.那问：）模型，并存储其参数值。

a的关键成分加油型号包括：

加入多项式，由滞后条件差异组成。程度是表示的P.．
ARCH多项式，由滞后平方创新构成。程度是表示的问：．

P.和问：GARCH和ARCH多项式中的最大非零滞后是。其他模型组件包括创新均值模型偏移，条件方差模型常数和创新分布。

所有系数均为未知数(南值）和估计，除非您使用名称值对参数语法指定它们的值。估计包含给定数据的全部或部分未知参数值的模型，使用估计．对于完全指定的模型（已知所有参数值的型号），模拟或预测使用模拟要么预报，分别。

创建

句法

mdl = garch.

Mdl = garch (P, Q)

MDL = GARCH（名称，价值）

描述

例子

MDL.= Garch.返回零度条件方差加油目的。

例子

MDL.= garch（P.那问：）创建GARCH条件方差模型对象(MDL.)用阶为的GARCH多项式P.以及一次的ARCH多项式问：．GARCH和ARCH多项式包含从其度的1个滞后，并且所有系数都是南值。

这种简写语法使您能够创建一个模板，在该模板中明确指定多项式次数。该模型模板适用于无约束参数估计，即不受任何参数相等约束的估计。然而，在创建模型之后，您可以使用点表示法更改属性值。

例子

MDL.= garch（名称，价值）套特性或使用名称值对参数的其他选项。将每个名称括在引号中。例如，“ARCHLags”,[1 - 4],“拱”,{0.2 - 0.3}指定两个拱形系数拱在落后1和4.．

这种手工语法使您能够创建更灵活的模型。

输入参数

全部展开

速记语法提供了一种简单的方法，可以创建适合于不受限制参数估计的模型模板。例如，要创建包含未知参数值的GARCH（1,2）模型，请输入：

mdl = garch（1,2）;

要在估计期间对参数值施加等式约束，请设置适当的财产使用点表示法的值。

`P.`-加入多项式学位
非负整数

GARCH多项式的次数，指定为非负整数。在GARCH多项式和时间T.，matlab.^®包括所有来自滞后的连续条件方差项T.- 1通过滞后T.-P.．

您可以使用该参数使用该参数指定此参数加油(P, Q)仅限速记语法。

如果P.> 0，然后你必须指定问：作为一个正整数。

例子:GARCH（1,1）

数据类型:双

`问：`-拱多项式
非负整数

拱门多项式程度，指定为非负整数。在拱门多项式和时间T.， MATLAB从滞后中包含所有连续的平方创新项T.- 1通过滞后T.-问：．

您可以使用该参数使用该参数指定此参数加油(P, Q)仅限速记语法。

如果P.> 0，然后你必须指定问：作为一个正整数。

例子:GARCH（1,1）

数据类型:双

名称值对参数

指定可选的逗号分离对名称，价值参数。名称是参数名称和价值是相应的价值。名称必须出现在引号内。您可以以任何顺序指定多个名称和值对参数Name1, Value1,…,的家．

Longhand语法使您可以创建一些已知某些或所有系数的模型。在估计期间，估计对任何已知参数施加等式约束。

例子:“ARCHLags”,[1 - 4],“拱”,{南南}指定GARCH（0,4）模型和未知，但滞后的非零系数矩阵1和4.．

`'garchlags'`-加入多项式滞后
`1: P`(默认)|独特正整数的数字矢量

GARCH多项式滞后，指定为逗号分隔对组成'garchlags'和一个独特的正整数的数字矢量。

GARCHLags (j）是对应于系数的滞后garch {j}．长度的Garchlags.和加油必须是平等的。

假设所有GARCH系数（由此指定）加油财产）是积极的或南价值观，马克斯(GARCHLags)的值P.财产。

例子:'garchlags'，[1 4]

数据类型:双

`'archlags'`-拱多项式滞后
`1:问`(默认)|独特正整数的数字矢量

ARCH多项式滞后，指定为逗号分隔对组成'archlags'和一个独特的正整数的数字矢量。

archlags（j）是对应于系数的滞后拱{j}．长度的ARCHLags和拱必须是平等的。

假设所有拱系数（由此指定）拱财产）是积极的或南价值观，max（archlags）的值问：财产。

例子:'archlags'，[1 4]

数据类型:双

属性

全部展开

您可以使用名称值对参数语法创建模型对象时设置可写属性值，或者使用点表示法创建模型对象后。例如，要创建具有未知系数的GARCH（1,1）模型，然后指定一个T.创新分布具有未知程度的自由，进入：

Mdl = garch(“GARCHLags”1“ARCHLags”,1);mdl.distribution.=“t”;

`P.`-加入多项式学位
非负整数

此属性是只读的。

GARCH多项式的次数，指定为非负整数。P.GARCH多项式中的最大滞后是阳性的或南．滞后不到P.可以具有等于0的系数。

P.指定初始化模型所需的预先定位条件差异的最小数量。

如果您使用名称-值对参数来创建模型，那么MATLAB将实现其中一种替代方法(假设最大延迟的系数为正或南）：

如果您指定Garchlags.，然后P.是最大的指定延迟。
如果您指定加油，然后P.指定值的元素数。如果你也指定Garchlags.，然后加油使用Garchlags.确定P.反而。
否则，P.是0.．

数据类型:双

`问：`-拱多项式
非负整数

此属性是只读的。

拱门多项式程度，指定为非负整数。问：拱多项式中的最大滞后是积极或的系数南．滞后不到问：可以具有等于0的系数。

问：指定启动模型所需的预先创新数量的最小数量。

如果您使用名称-值对参数来创建模型，那么MATLAB将实现其中一种替代方法(假设最大延迟的系数为正或南）：

如果您指定ARCHLags，然后问：是最大的指定延迟。
如果您指定拱，然后问：指定值的元素数。如果你也指定ARCHLags，然后加油用它的值来确定问：反而。
否则，问：是0.．

数据类型:双

`持续的`-条件方差模型常数
`南`(默认)|正标量

条件方差模型常数，指定为正标量或南价值。

数据类型:双

`加油`-加入多项式系数
正标量的细胞矢量或`南`值

GARCH多项式系数，指定为正标量的细胞矢量或南值。

如果您指定Garchlags.，则适用以下条件。
- 长度的加油和Garchlags.是相等的。
- garch {j}是滞后系数GARCHLags (j）．
- 默认情况下,加油是一个numel（garchlags）- 1个细胞矢量南值。
否则，以下条件适用。
- 长度加油是P.．
- garch {j}是滞后系数j．
- 默认情况下,加油是一个P.- 1个细胞矢量南值。

的系数加油对应于底层中的系数LagOp滞后算子多项式，并服从一个接近零的容忍排除测试。如果你把系数设为1E-12或以下,加油排除该系数及其相应的滞后Garchlags.来自模型。

数据类型:细胞

`拱`-拱多项式系数
正标量的细胞矢量或`南`值

ARCH多项式系数，指定为正标量的细胞向量或南值。

如果您指定ARCHLags，则适用以下条件。
- 长度的拱和ARCHLags是相等的。
- 拱{j}是滞后系数archlags（j）．
- 默认情况下,拱是一个元素个数(ARCHLags)- 1个细胞矢量南值。
否则，以下条件适用。
- 长度拱是问：．
- 拱{j}是滞后系数j．
- 默认情况下,拱是一个问：- 1个细胞矢量南值。

的系数拱对应于底层中的系数LagOp滞后算子多项式，并服从一个接近零的容忍排除测试。如果你把系数设为1E-12或以下,加油排除该系数及其相应的滞后ARCHLags来自模型。

数据类型:细胞

`无条件`-模型的无条件方差
正标量

此属性是只读的。

模型无条件方差，指定为正标量。

无条件方差为

$σ_{ε}^{2} = \frac{κ}{（ 1 - {σ.}_{一世 = 1}^{P.} γ_{一世} - {σ.}_{j = 1}^{问：} α_{j} ）} ．$

κ条件方差模型常数（持续的）。

数据类型:双

`抵消`-创新平均模型补偿
`0.`(默认)|数字标量|`南`

创新意味着模型的偏移量，或附加常数，指定为数值标量或南价值。

数据类型:双

`分配`-创新过程的条件概率分布
`“高斯”`(默认)|`“t”`|结构数组

创新过程的条件概率分布，指定为字符串或结构阵列。加油将值存储为结构阵列。

分配	细绳	结构阵列
高斯	`“高斯”`	`struct（'name'，“gaussian”）`
学生的T.	`“t”`	`struct（'name'，“t”，'dof'，dof）`

这'DOF'字段指定了T.分布自由度参数。

DOF.> 2或DOF.=南．
DOF.是有价值的。
如果您指定“t”那DOF.是南默认情况下。您可以在创建模型后使用点表示法更改其值。例如，mdl.distribution.dof = 3.．
如果提供结构阵列以指定学生的T.分布，则必须指定'名称'和'DOF'字段。

例子:struct（'name'，“t”，'dof'，10）

`描述`-模型描述
字符串标量|特征向量

模型描述，指定为字符串标量或字符向量。加油将值存储为字符串标量。例如，默认值描述模型的参数形式“GARCH（1,1）条件方差模型（高斯分布）”．

例子:'描述'，'模型1'

数据类型:字符串|字符

笔记

全部南- 估计的模型参数，包括系数和T.-创新-自由分配程度(如果存在)是可估计的。当你传递结果时加油对象和数据到估计，Matlab估计所有南有价值的参数。在估计期间，估计将已知参数视为平等约束，即，估计保存以其值固定的任何已知参数。

对象功能

`估计`	将条件方差模型与数据拟合
`过滤器`	通过条件方差模型过滤干扰
`预报`	来自条件方差模型的预测条件差异
`推断`	推断条件方差模型的条件方差
`模拟`	蒙特卡洛仿真条件方差模型
`总结`	显示条件方差模型的估计结果

例子

全部收缩

创建默认GARCH模型

打开直播脚本

创建默认值加油模型对象并使用点表示法指定其参数值。

创建GARCH（0,0）模型。

mdl = garch.

MDL =带有物业的GARCH：“GARCH（0,0）条件方差模型（高斯分布）”分布：名称=“高斯”P：0 Q：0常数：NAN GARCH：{} arch：{}偏移量：0

MDL.是一个加油模型。它包含一个未知的常量，它的偏移是0.，创新分布是“高斯”．该模型没有GARCH或ARCH多项式。

使用点表示法指定滞后的两个未知拱形系数。

mdl.arch = {nan nan}

描述:“garch(0,2)条件方差模型(高斯分布)”分布:Name = "Gaussian" P: 0 Q: 2 Constant: NaN GARCH: {} ARCH: {NaN NaN} at lag [1 2] Offset: 0

这问：和拱属性已更新为2和{南南}．这两个ARCH系数与滞后1和2有关。

使用速记语法创建GARCH模型

打开直播脚本

创建一个加油模型使用速记表示法garch (P, Q),在那里P.是加粗多项式的程度和问：是拱多项式的程度。

创建GARCH（3,2）模型。

Mdl = garch (2)

描述:“garch(3,2)条件方差模型(高斯分布)”分布:Name = "高斯" P: 3 Q: 2 Constant: NaN GARCH: {NaN NaN} at lag [1 2 3] ARCH: {NaN NaN} at lag [1 2] Offset: 0

MDL.是一个加油模型对象。所有属性MDL.，除了P.那问：，和分配，是南值。默认情况下，软件:

包括一个条件方差模型常数
排除有条件的均值模型偏移（即，偏移量是0.）
包括所有滞后项的ARCH和GARCH滞后算子多项式直到滞后问：和P.，分别

MDL.只指定GARCH模型的功能形式。因为它包含未知的参数值，所以可以传递MDL.和时间序列数据估计来估计参数。

用正手语法创建GARCH模型

打开直播脚本

创建一个加油使用名称值对参数的模型。

指定GARCH（1,1）模型。默认情况下，条件均值模型偏移量为零。指定偏移量南．

mdl = garch（'garchlags', 1'archlags', 1'抵消'，楠）

MDL =带有物业的GARCH：“GARCH（1,1）条件方差模型具有偏移量（高斯分布）”分布：名称=“高斯”P：1 Q：1常数：南加赫：{nan}在Lag [1]拱门：{nan}在Lag [1]偏移：南

MDL.是一个加油模型对象。软件将所有参数(模型对象的属性)设置为南，除了P.那问：，和分配．

自MDL.包含南价值观，MDL.仅适用于估计。经过MDL.和时间序列数据估计．

创建具有已知系数的GARCH模型

打开直播脚本

创建具有平均偏移的GARCH（1,1）模型，

$y_{T.} = 0. ． 5. + ε_{T.} 那$

在哪里 $ε_{T.} = σ_{T.} {Z.}_{T.} 那$

$σ_{T.}^{2} = 0. ． 0. 0. 0. 1 + 0. ． 7. 5. σ_{T. - 1}^{2} + 0. ． 1 ε_{T. - 1}^{2} 那$

和 ${Z.}_{T.}$ 是一个独立和相同的分布式标准高斯过程。

mdl = garch（'持续的'，0.0001，'GARCH'，0.75，......'拱'，0.1，'抵消'，0.5）

MDL =带有物业的GARCH：“GARCH（1,1）条件方差模型具有偏移量（高斯分布）”分布：名称=“高斯”P：1 Q：1常数：0.0001 GARCH：{0.75}在LAG [1] arch：{0.1}滞后[1]偏移量：0.5

加油将默认值分配给您未使用名称值对参数指定的任何属性。

访问GARCH模型属性

打开直播脚本

访问a的属性加油使用点表示法的模型对象。

创建一个加油模型对象。

Mdl = garch (2)

描述:“garch(3,2)条件方差模型(高斯分布)”分布:Name = "高斯" P: 3 Q: 2 Constant: NaN GARCH: {NaN NaN} at lag [1 2 3] ARCH: {NaN NaN} at lag [1 2] Offset: 0

从模型中删除第二个GARCH术语。也就是说，指定第二滞后条件方差的GARCH系数是0.．

mdl.garch {2} = 0

描述:“garch(3,2)条件方差模型(高斯分布)”分布:Name = "高斯" P: 3 Q: 2 Constant: NaN GARCH: {NaN NaN} at lag [1 3] ARCH: {NaN NaN} at lag [1 2] Offset: 0

GARCH多项式有两个未知参数，分别对应滞后1和3。

显示干扰的分布。

mdl.distribution.

ans =.结构与字段：名称:“高斯”

干扰是高斯的平均值0和方差1。

说明潜在的身份识别干扰有T.五自由度分布。

mdl.distribution.=struct('名称'那'T'那'DOF'5)

MDL =带有物业的GARCH：“GARCH（3,2）条件方差模型（T分布）”分布：名称=“T”，DOF = 5 P：3 Q：2常数：南加赫：{南纳}滞后[1 3]拱：{南南}在滞后[1 2]偏移量：0

指定第一个滞后的拱系数为0.2，第二滞后为0.1。

Mdl。一种RCH = {0.2 0.1}

MDL =带有物业的GARCH：“GARCH（3,2）条件方差模型（T分布）”分布：名称=“T”，DOF = 5 P：3 Q：2常数：南加赫：{南纳}滞后[1 3]拱门：{0.2 0.1}在滞后[1 2]偏移量：0

要估算剩余的参数，可以通过MDL.和你的数据估计并使用指定的参数作为等式约束。或者，您可以指定其余的参数值，然后通过将完全指定的模型传递给，模拟或预测来自GARCH模型的条件方差模拟要么预报，分别。

估计GARCH模型

打开直播脚本

将GARCH模型适合1922年至1999年丹麦名义股票回报的年度时间系列。

加载Data_Danish数据集。绘制名义回报（NR.）。

加载Data_Danish；nr = DataTable.RN;图;情节(日期、nr);抓住在；情节（[日期（1）日期（结束）]，[0 0]，'r：'）;%图y = 0抓住离开；标题（'丹麦名义股票回报'）;ylabel（'标称返回（％）'）;Xlabel（'年'）;

图中包含一个坐标轴。标题为丹麦名义股票回报的轴包含2个类型为line的对象。

名义收益序列似乎有一个非零的条件平均抵消，似乎表现出波动聚类。也就是说，前几年的变异性比后几年小。对于本例，假设GARCH(1,1)模型适用于这个系列。

创建GARCH（1,1）模型。默认情况下，条件平均偏移为零。要估算偏移量，请指定它是南．

mdl = garch（'garchlags', 1'archlags', 1'抵消'，楠）;

对数据拟合GARCH(1,1)模型。

Estmdl =估计（MDL，NR）;

GARCH（1,1）条件方差模型与偏移（高斯分布）：值StandardError的TStatistic p值_________ _____________ __________ _________常数0.0044476 0.007814 0.56918 0.56923 GARCH {1} 0.84932 0.26495 3.2056 0.0013477 ARCH {1} 0.07325 0.14953 0.48986 0.62423 0.11227偏移0.039214 2.8629 0.0041974

estmdl.是完全指定的加油模型对象。也就是说，它不包含南值。您可以通过使用生成残差来评估模型的充分性推断，然后分析它们。

模拟条件差异或回复，通过estmdl.到模拟．

预测创新，通过estmdl.到预报．

模拟GARCH模型观测值和条件方差

打开直播脚本

模拟完全指定的条件方差或响应路径加油模型对象。也就是说，根据估计进行模拟加油模型或已知加油您指定所有参数值的模型。

加载Data_Danish数据集。

加载Data_Danish；nr = DataTable.RN;

创建具有未知条件平均偏移的GARCH（1,1）模型。将模型适合年度名义回报系列。

mdl = garch（'garchlags', 1'archlags', 1'抵消'，楠）;Estmdl =估计（MDL，NR）;

GARCH（1,1）条件方差模型与偏移（高斯分布）：值StandardError的TStatistic p值_________ _____________ __________ _________常数0.0044476 0.007814 0.56918 0.56923 GARCH {1} 0.84932 0.26495 3.2056 0.0013477 ARCH {1} 0.07325 0.14953 0.48986 0.62423 0.11227偏移0.039214 2.8629 0.0041974

从估计的GARCH模型模拟每个周期的条件差异和响应的100路径。

numobs = numel（nr）;%样本容量(T)numpaths = 100;百分比的仿真路径数量rng (1);%的再现性[VSim, YSim] =模拟(EstMdl numObs,'numpaths'，numpaths）;

VSIM和ysim是T.——- - - - - -numPaths矩阵。行对应于采样周期，列对应于模拟路径。

绘制平均值和97.5％和2.5％百分位的模拟路径。将模拟统计信息与原始数据进行比较。

VSimBar =意味着(VSim, 2);VSimCI =分位数(VSim，[0.025 0.975]，2);YSimBar =意味着(YSim, 2);YSimCI =分位数(YSim，[0.025 0.975]，2);图;次要情节(2,1,1);h1 =情节(日期、VSim“颜色”，0.8 *那些（1,3））;抓住在；h2 = plot（日期，vsimbar，'k-'那“线宽”2);h3 = plot（日期，vsimci，“r——”那“线宽”2);抓住离开；标题（模拟的条件方差的）;ylabel（的电导率。var。'）;Xlabel（'年'）;子图（2,1,2）;h1 = plot（日期，ysim，“颜色”，0.8 *那些（1,3））;抓住在；h2 =情节(日期、YSimBar'k-'那“线宽”2);h3 = plot（日期，ysimci，“r——”那“线宽”2);抓住离开；标题（'模拟名义回报'）;ylabel（'标称返回（％）'）;Xlabel（'年'）;传奇([h1 h2 (1) h3 (1)), {“模拟路径”“的意思是”'信心界'}，......“字形大小”7，'地点'那'西北'）;

图中包含2个轴。标题为模拟条件方差的轴1包含103个类型为line的对象。标题为“模拟名义返回”的轴2包含103个类型为line的对象。这些对象表示模拟路径，均值，置信界限。

预测GARCH模型条件差异

打开直播脚本

预测来自完全指定的条件差异加油模型对象。也就是说，根据估计做出的预测加油模型或已知加油您指定所有参数值的模型。示例随之而来估计GARCH模型．

加载Data_Danish数据集。

加载Data_Danish；nr = DataTable.RN;

创建一个具有未知条件平均偏移量的GARCH(1,1)模型，并将该模型拟合到年、名义收益率序列。

mdl = garch（'garchlags', 1'archlags', 1'抵消'，楠）;Estmdl =估计（MDL，NR）;

GARCH（1,1）条件方差模型与偏移（高斯分布）：值StandardError的TStatistic p值_________ _____________ __________ _________常数0.0044476 0.007814 0.56918 0.56923 GARCH {1} 0.84932 0.26495 3.2056 0.0013477 ARCH {1} 0.07325 0.14953 0.48986 0.62423 0.11227偏移0.039214 2.8629 0.0041974

利用估计的GARCH模型预测未来10年的名义收益序列的条件方差。指定整个返回序列作为前样例观察。该软件推断前样本条件方差使用前样本观察和模型。

numperiods = 10;VF =预测（Estmdl，Numperiods，NR）;

绘制名义回报的预测条件差异。将预测与观察到的有条件差异进行比较。

v =推断(EstMdl nr);图;情节(日期、v、凯西:”那“线宽”2);抓住在；绘图（日期（结束）：日期（结束）+ 10，[v（结束）; vf]，'r'那“线宽”2);标题（'预测名义回报的条件差异'）;ylabel（'条件差异'）;Xlabel（'年'）;传奇（{'估计样品COND。var。'那'预测圣章。var。'}，......'地点'那'最好'）;

图中包含一个坐标轴。标题预测条件差异的标称返回的轴包含2个类型的2个对象。这些对象代表估计样品条。var。，预测圣章。var ..

变量	描述	财产
μ	创新意味着模型恒定偏移	`'抵消'`
κ> 0.	条件方差模型常数	`'持续的'`
$γ_{一世} \geq 0.$	GARCH组件系数	`'GARCH'`
$α_{j} \geq 0.$	拱形组件系数	`'拱'`
Z._T.	具有平均0和方差1的独立随机变量系列	`“分布”`

提示

您可以指定一个加油模型作为条件均值和方差模型的组成的一部分。有关详细信息，请参阅阿玛玛．

参考文献

[1] Tsay，R. S.金融时间序列分析．第三版。霍博肯，新泽西州:约翰威利父子公司，2010。

加油

描述

创建

句法

描述

输入参数

`P.`-加入多项式学位
非负整数

`问：`-拱多项式
非负整数

`'garchlags'`-加入多项式滞后
`1: P`(默认)|独特正整数的数字矢量

`'archlags'`-拱多项式滞后
`1:问`(默认)|独特正整数的数字矢量

属性

`P.`-加入多项式学位
非负整数

`问：`-拱多项式
非负整数

`持续的`-条件方差模型常数
`南`(默认)|正标量

`加油`-加入多项式系数
正标量的细胞矢量或`南`值

`拱`-拱多项式系数
正标量的细胞矢量或`南`值

`无条件`-模型的无条件方差
正标量

`抵消`-创新平均模型补偿
`0.`(默认)|数字标量|`南`

`分配`-创新过程的条件概率分布
`“高斯”`(默认)|`“t”`|结构数组

`描述`-模型描述
字符串标量|特征向量

对象功能

例子

创建默认GARCH模型

使用速记语法创建GARCH模型

用正手语法创建GARCH模型

创建具有已知系数的GARCH模型

访问GARCH模型属性

估计GARCH模型

模拟GARCH模型观测值和条件方差

预测GARCH模型条件差异

更多关于

加油模型

提示

参考文献

也可以看看

对象

话题

OuthoMetrics工具箱文档

金宝app

用MATLAB建模财务风险的实用指南

加油

描述

创建

句法

描述

输入参数

P.-加入多项式学位非负整数

问：-拱多项式非负整数

'garchlags'-加入多项式滞后1: P(默认)|独特正整数的数字矢量

'archlags'-拱多项式滞后1:问(默认)|独特正整数的数字矢量

属性

P.-加入多项式学位非负整数

问：-拱多项式非负整数

持续的-条件方差模型常数南(默认)|正标量

加油-加入多项式系数正标量的细胞矢量或南值

拱-拱多项式系数正标量的细胞矢量或南值

无条件-模型的无条件方差正标量

抵消-创新平均模型补偿0.(默认)|数字标量|南

分配-创新过程的条件概率分布“高斯”(默认)|“t”|结构数组

描述-模型描述字符串标量|特征向量

对象功能

例子

创建默认GARCH模型

使用速记语法创建GARCH模型

用正手语法创建GARCH模型

创建具有已知系数的GARCH模型

访问GARCH模型属性

估计GARCH模型

模拟GARCH模型观测值和条件方差

预测GARCH模型条件差异

更多关于

加油模型

提示

参考文献

也可以看看

对象

话题

OuthoMetrics工具箱文档

金宝app

用MATLAB建模财务风险的实用指南

`P.`-加入多项式学位
非负整数

`问：`-拱多项式
非负整数

`'garchlags'`-加入多项式滞后
`1: P`(默认)|独特正整数的数字矢量

`'archlags'`-拱多项式滞后
`1:问`(默认)|独特正整数的数字矢量

`P.`-加入多项式学位
非负整数

`问：`-拱多项式
非负整数

`持续的`-条件方差模型常数
`南`(默认)|正标量

`加油`-加入多项式系数
正标量的细胞矢量或`南`值

`拱`-拱多项式系数
正标量的细胞矢量或`南`值

`无条件`-模型的无条件方差
正标量

`抵消`-创新平均模型补偿
`0.`(默认)|数字标量|`南`

`分配`-创新过程的条件概率分布
`“高斯”`(默认)|`“t”`|结构数组

`描述`-模型描述
字符串标量|特征向量