文档帮助中心
条件方差模型试图解决单变量时间序列模型中的波动聚类问题,以提高参数估计和预测精度。为了对波动率进行建模,Econometrics Toolbox™支持标准的广义自回归条金宝app件异方差(ARCH/GARCH)模型、指数GARCH (EGARCH)模型以及Glosten、Jagannathan和Runkle (GJR)模型。
若要从以前的条件方差模型分析语法转换,请参见从GARCH函数转换为模型对象。
用AIC和BIC比较几种条件方差模型的拟合情况。
使用滤波历史模拟(FHS)技术评估假设的全球股票指数投资组合的市场风险,这是传统历史模拟和蒙特卡罗模拟方法的替代方法。FHS结合了相对复杂的基于模型的波动处理(GARCH)和资产收益概率分布的非参数规范。FHS的一个吸引人的特点是它能够产生相对较大的偏差(损失和收益),这在原始的投资组合回报序列中是不存在的。
使用蒙特卡罗模拟技术,使用学生的t copula和极值理论(EVT),对一个假设的全球股票指数投资组合的市场风险进行建模。该过程首先利用非对称GARCH模型从每个回归序列中提取滤波后的残差,然后利用内部的高斯核估计和上下尾部的广义帕累托分布估计构造每个资产的样本边际累积分布函数(CDF)。然后将学生的t连接词与数据进行拟合,并用于在每个资产的模拟残差之间诱导相关性。最后,模拟评估了假设的全球股票投资组合在一个月内的风险价值(VaR)。
你点击了一个链接,对应于这个MATLAB命令:
在MATLAB命令窗口中输入命令,运行该命令。Web浏览器不支持MATLAB命令。金宝app
选择一个网站来获取可用的翻译内容,并查看本地事件和报价。根据你的位置,我们建议你选择:。
你也可以从以下列表中选择一个网站:
选择中国网站(中文或英文)以获得最佳网站表现。其他MathWorks国家站点不适合来自您所在位置的访问。
联系当地办事处