始める無料で始める

MSFTリターンのAR(1)-GJR GARCHダイナミクス

動画で見たように、AR(1)モデルの自己回帰パラメータの符号は、市場のニュースへの反応によって決まります。

\(\rho\) が正なら、市場がニュースに過小反応し、リターンにモメンタムが生じるという解釈と整合的です。\(\rho\) が負なら、市場がニュースに過剰反応し、リターンが平均回帰（反転）するという解釈と整合的です。

Microsoft の日次リターンは、AR(1) のダイナミクスにおいてモメンタムと反転のどちらの特徴を示すでしょうか。msftret にある Microsoft の日次リターンを用いて、AR(1)-GJR GARCH モデルのパラメータを推定し、確かめてみましょう。

この演習はコースの一部です

Rで学ぶGARCHモデル

コースを見る

演習の手順

  • armaOrder = c(1,2) は ARMA(1,2) モデルを表します。AR(1) モデルは ARMA(1,0) と同じです。
  • 使用する AR(1) モデルを指定するため、ugarchspec の mean.model 引数を完成させてください。
  • モデルを推定します。
  • 推定した GARCH モデルの最初の2つの係数を出力してください。

実践的なインタラクティブ演習

このサンプルコードを完成させて、この演習に挑戦してみましょう。

# Specify AR(1)-GJR GARCH model
garchspec <- ugarchspec(mean.model = list(armaOrder = ___ ),
                        variance.model = list(model = "gjrGARCH"),
                        distribution.model = "sstd")

# Estimate the model
garchfit <- ___

# Print the first two coefficients
___(___)[c(1:2)]
コードを編集して実行