Začněte nyníZačněte zdarma

Chyby predikce

V modelu GARCH je rozptyl řízen druhou mocninou chyb predikce \(e = R - \mu\). Aby bylo možné rozptyl podle GARCH spočítat, musíš nejprve tyto chyby predikce vypočítat. U denních výnosů je zvykem nastavit \(\mu\) rovno výběrovému průměru.

Teď to sám/sama implementuješ a pak ověříš, že absolutní hodnota chyb predikce vykazuje silnou kladnou autokorelaci. Kladná autokorelace odráží přítomnost shluků volatility. Když je volatilita nadprůměrná, zůstane nadprůměrnou po určitou dobu. Stejně tak, když je volatilita nízká, zůstane nízkou po určitou dobu.

Toto cvičení je součástí kurzu

GARCH modely v R

Zobrazit kurz

Pokyny k cvičení

  • Nastav m na průměr denních výnosů indexu S&P 500 z objektu sp500ret.
  • Vypočítej chyby predikce.
  • Vykresli časovou řadu absolutních hodnot chyb predikce.
  • Pomocí funkce acf vykresli autokorelační funkci absolutních hodnot chyb predikce.

Interaktivní cvičení na vyzkoušení si v praxi

Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.

# Compute the mean daily return
m <- ___(___)

# Define the series of prediction errors
e <- ___ - ___

# Plot the absolute value of the prediction errors
par(mfrow = c(2,1),mar = c(3, 2, 2, 2))
___(___(___))

# Plot the acf of the absolute prediction errors
___
Upravit a spustit kód