LoslegenKostenlos starten

GARCH-Modell-Varianten spezifizieren und ausprobieren

In den nächsten Kapiteln siehst du, dass es GARCH-Modelle in vielen Varianten gibt. Du beginnst daher damit, das Mittelwertmodell, das Varianzmodell und die Fehlerverteilung festzulegen, die du verwenden willst. Welches Modell am besten ist, hängt von der Anwendung ab. Eine realistische GARCH-Analyse umfasst daher das Spezifizieren, Schätzen und Testen verschiedener GARCH-Modelle.

In R ist das dank des rugarch-Pakets von Alexios Ghalanos einfach. Dieses Paket wurde bereits für dich geladen. Du verwendest es, um die täglichen Renditen in sp500ret zu analysieren.

Diese Übung ist Teil des Kurses

<Kurs>GARCH-Modelle in R</Kurs>
Kurs ansehen

Übungsanweisungen

  • Verwende ugarchspec(), um ein Standard-GARCH(1,1)-Modell mit konstantem Mittelwert und einer Normalverteilung für die Prognosefehler zu spezifizieren.
  • Schätze das Modell mit ugarchfit() per Maximum-Likelihood.
  • Verwende die Methode sigma(), um die geschätzten Volatilitäten abzurufen.
  • Stelle die Volatilitätsprognosen für 2017 grafisch dar.

Interaktive praktische Übung

Versuche dich an dieser Übung, indem du diesen Beispielcode vervollständigst.

# Specify a standard GARCH model with constant mean
garchspec <- ___(mean.model = list(armaOrder = ___),
                 variance.model = list(model = "___"), 
                 distribution.model = "___")

# Estimate the model
garchfit <- ___(data = ___, spec = ___)

# Use the method sigma to retrieve the estimated volatilities 
garchvol <- ___ 

# Plot the volatility for 2017
___(___["2017"])
Code bearbeiten und ausführen