条件方差模型估计的优化设置- MATLAB & Simulink - MathWorks Australia金宝app

条件方差模型估计的优化设置

优化选项

估计使用最大化对数似然函数fmincon从优化工具箱™.fmincon有许多优化选项，如优化算法的选择和约束违背容限。使用以下方法选择优化选项optimoptions．

估计使用fmincon默认情况下的优化选项，但有以下例外。有关详细信息，请参阅fmincon和optimoptions在优化工具箱中。

optimoptions属性	描述	估计设置
`算法`	负对数似然函数的极小化算法	`“sqp”`
`显示`	优化进度显示级别	`“关”`
`诊断`	显示关于要最小化的功能的诊断信息	`“关”`
`ConstraintTolerance`	对约束违反的终止容忍	`1 e -`

如果要使用不同于默认值的优化选项，请使用optimoptions．

例如，假设您想要估计显示优化诊断。最佳实践是设置名称-值对参数“显示”、“诊断”在估计．或者，您可以指示优化器显示优化诊断。

定义一个GARCH（1,1）模型(Mdl)并从中模拟数据。

Mdl0=garch(“拱”, 0.2,“四国”,0.5,“常数”，0.5）；rng（1）；y=模拟（MDL0500）；

Mdl没有回归组件。默认情况下，fmincon不显示优化诊断。请使用optimoptions将其设置为显示优化诊断，并设置其他fmincon属性设置为的默认设置估计在上表中列出。

选择= optimoptions (@fmincon,“诊断”，“上”，“算法”，．..“sqp”，“显示”，“关”，“ConstraintTolerance”，1e-7）

选项=fmincon选项：当前算法（“sqp”）使用的选项：（其他可用算法：“活动集”、“内部点”、“sqp遗留”、“信赖域反射”）集属性：算法：“sqp”约束公差：1.0000e-07显示：“关闭”默认属性：检查渐变：0 FinitedDifferencesTepSize:“sqrt（eps）'FinitedDifferenceType:'forward'MaxFunctionEvaluations:'100*numberOfVariables'MaxIterations:400 ObjectiveLimit:-1.0000e+20 OptimilityTolerance:1.0000e-06 OutputFcn:[]绘图FCN:[]缩放问题：0 SpecificyConstraintGradient:0 SpecificyObjectiveRadient:0 StepTolerance:1.0000e-06 TypicalX:'个（变量数量，1）'UseParallel:0显示当前算法未使用的选项（'sqp'）

% @fmincon是fmincon的函数句柄

控件下显示您设置的选项设定的用户:标题下的属性默认值:标题是您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=estimate（Mdl，y，“选项”、选择);

____________________________________________________________诊断信息变量数:3个函数目标:@(X)Mdl.nLogLikeGaussian(X,V,E, lag,1,maxPQ,T,nan,trapValue)梯度:有限差分Hessian:有限差分(或拟牛顿)约束非线性约束:线性不等式约束个数:1线性等式约束个数:0下界约束个数:3上界约束个数:3算法选择sqp ____________________________________________________________结束诊断信息GARCH(1,1)条件方差模型(高斯分布):Value StandardError TStatistic PValue _______ _____________ __________ ________ Constant 0.43145 0.46565 0.92657 0.35415 GARCH{1} 0.31435 0.24992 1.2578 0.20847 ARCH{1} 0.57143 0.32677 1.7487 0.080343

请注意

估计在数值上最大化对数似然函数，潜在地使用等式、不等式和上下限约束。如果你设置算法除了sqp，确保算法支持类似的约束，例如金宝app内点．例如,trust-region-reflective不支持不平等约束。金宝app
估计设置的约束级别ConstraintTolerance所以约束没有被违反。具有主动约束的估计具有不可靠的标准误差，因为方差协方差估计假设似然函数是最大似然估计的局部二次。

条件方差模型约束

该软件在估计GARCH模型时执行这些约束:

Covariance-stationarity,

$\sum_{我＝ 1}^{P} γ_{我} + \sum_{j ＝ 1}^{问} α_{j} < 1$
GARCH和ARCH系数的正性
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

对于GJR模型，估计过程中施加的约束为:

Covariance-stationarity约束,

$\sum_{我＝ 1}^{P} γ_{我} + \sum_{j ＝ 1}^{问} α_{j} + \frac{1}{2} \sum_{j ＝ 1}^{问} ξ_{j} < 1$
GARCH和ARCH系数的正性约束
拱系数和杠杆系数之和的正性，

$α_{j} + ξ_{j} \geq 0 ， j ＝ 1 ，．.. ，问$
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