ComenzarEmpieza gratis

Especifica y prueba los sabores del modelo GARCH

En los siguientes capítulos verás que los modelos GARCH vienen en muchos sabores. Por eso, primero debes especificar el modelo de media, el de varianza y la distribución del error que quieres usar. El mejor modelo es dependiente de la aplicación. Un análisis GARCH realista implica especificar, estimar y contrastar varios modelos GARCH.

En R, esto es sencillo gracias al paquete rugarch de Alexios Ghalanos. Este paquete ya está cargado para ti. Lo aplicarás para analizar los rendimientos diarios en sp500ret.

Este ejercicio forma parte del curso

Modelos GARCH en R

Ver curso

Instrucciones del ejercicio

  • Usa ugarchspec() para especificar que quieres estimar un modelo GARCH(1,1) estándar con media constante y una distribución normal para los errores de predicción.
  • Usa ugarchfit() para estimar el modelo por máxima verosimilitud.
  • Usa el método sigma() para recuperar las volatilidades estimadas.
  • Representa las predicciones de volatilidad para 2017.

Ejercicio interactivo práctico

Prueba este ejercicio y completa el código de muestra.

# 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"])
Editar y ejecutar código