CommencezCommencez gratuitement

Modifier l'échantillon d'estimation

Plusieurs facteurs peuvent mener au rejet de la validité du modèle GARCH. Il peut s'agir d'une hypothèse erronée pour la moyenne, la variance ou la distribution. Il se peut aussi que la série temporelle des rendements ne puisse pas être décrite par un seul jeu de paramètres GARCH. En fait, étant donné la nature dynamique des marchés financiers, il est réaliste de s'attendre à ce que les paramètres du modèle GARCH évoluent dans le temps. Réestimons donc notre modèle GARCH sur les 2 500 rendements EUR/USD les plus récents au lieu de faire l'analyse sur l'ensemble des 4 961 rendements.

Cette activité fait partie du cours

Modèles GARCH en R

Voir le cours

Instructions de l’exercice

  • Utilisez la fonction tail() pour estimer le modèle GARCH sur les 2 500 dernières observations
  • Calculez les rendements normalisés
  • Effectuez le test de Ljung-Box pour vérifier que toutes les autocorrélations d'ordres 1,…,22 sont nulles.

Exercice interactif pratique

Essayez cet exercice en complétant ce code d’exemple.

# Estimate the model on the last 2500 observations
tgarchspec <- ___( mean.model = list(armaOrder = c(0,0)),
                        variance.model = list(model = "sGARCH"),
                        distribution.model = "std")
tgarchfit <- ___( data = ___(EURUSDret, ___) , spec = tgarchspec)

# Compute standardized returns
stdEURUSDret <- ___(tgarchfit, standardize = TRUE)

# Do the Ljung-Box test on the absolute standardized returns
___(abs(stdEURUSDret), 22, type = "Ljung-Box")
Modifier et exécuter le code