Začněte nyníZačněte zdarma

Střední kvadratická chyba předpovědi

GJR GARCH model je zobecněním standardního GARCH modelu, a proto by měl dosahovat lepší shody s daty v podobě nižší střední kvadratické chyby (MSE). Ověřme to na výnosech Microsoftu msftret, kde garchfit odpovídá odhadu pomocí standardního modelu GARCH(1,1) a gjrfit odpovídá odhadu pomocí GJR modelu. Pamatuj, že vektor chyb předpovědi \(e\) pro střední hodnotu získáš pomocí metody residuals(). Chyba předpovědi pro rozptyl se rovná rozdílu mezi \(e^2\) a predikovaným rozptylem GARCH.

Toto cvičení je součástí kurzu

GARCH modely v R

Zobrazit kurz

Pokyny k cvičení

  • Pomocí metody residuals() vypočítej vektor chyb předpovědi pro střední hodnoty.
  • Dokonči kód pro výpočet MSE z výstupu odhadu garchfit.
  • Vypočítej MSE pro výstup odhadu gjrfit.

Interaktivní cvičení na vyzkoušení si v praxi

Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.

# Compute prediction errors
garcherrors <- ___(garchfit)
gjrerrors  <- ___(gjrfit)

# Compute MSE for variance prediction of garchfit model
___((___(garchfit)___ - garcherrors^2)___)

# Compute MSE for variance prediction of gjrfit model
___
Upravit a spustit kód