始める無料で始める

EUR/USDリターンにより適したモデル

前の演習では、日次のEUR/USDリターンに対する、歪みを持つスチューデントt分布を仮定したAR(1) GJR GARCHモデルの推定パラメータの統計的有意性を分析しました。結論として、使用するGARCHモデルを単純化すべきだと分かりました。そこで、一定平均の標準GARCHモデルにスチューデントt分布を組み合わせます。平均は0に固定し、バリアンス・ターゲティングを用います。

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

  • スチューデントt分布とバリアンス・ターゲティングを用いた、一定平均の標準GARCHモデルを推定するコードを完成させてください。
  • 平均パラメータを0に固定するために setfixed() を使います。
  • モデルを推定します。
  • これらの変更により、ボラティリティ系列が flexgarchfit を用いたものに近づくか、視覚的に確認してください。

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 model with constant mean, standard GARCH and student t
tgarchspec <- ugarchspec(mean.model = list(armaOrder = ___),
                         variance.model = list(model = ___, variance.targeting = ___),
                         distribution.model = ___)

# Fix the mu parameter at zero
 ___(tgarchspec) <- list("mu" = 0)

# Estimate the model
tgarchfit <- ___(data = EURUSDret, spec = tgarchspec)

# Verify that the differences in volatility are small
plot(sigma(___) - ___(flexgarchfit))
コードを編集して実行