CommencerCommencer gratuitement

Modifier l’échantillon d’estimation

Plusieurs raisons peuvent conduire à rejeter la validité du modèle GARCH. L’hypothèse sur la moyenne, la variance ou la distribution peut être incorrecte. Il se peut aussi que la série temporelle des rendements ne puisse pas être décrite par un seul jeu de paramètres GARCH. En effet, compte tenu de la nature dynamique des marchés financiers, il est réaliste de s’attendre à ce que les paramètres du modèle GARCH évoluent dans le temps. Ré-estimons donc notre modèle GARCH sur les 2500 rendements EUR/USD les plus récents au lieu d’effectuer l’analyse sur l’ensemble des 4961 rendements.

Cet exercice fait partie du cours

Modèles GARCH en R

Afficher le cours

Instructions

  • Utilisez la fonction tail() pour estimer le modèle GARCH sur les 2500 dernières observations
  • Calculez les rendements standardisés
  • Effectuez le test de Ljung-Box pour vérifier que toutes les autocorrélations d’ordre 1,…,22 sont nulles.

Exercice interactif pratique

Essayez cet exercice en complétant cet exemple de code.

# 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