Meebeweging tussen voorspelde volatiliteit en VaR
De value-at-risk-grafieken laten aanzienlijke tijdsvariatie in het neerwaartse risico zien. Deze tijdsvariatie wordt grotendeels gedreven door de tijdsvariatie in de rendementvolatiliteit. In deze oefening controleer je of dat ook zo is voor de dagelijkse Microsoft-rendementen door in één figuur zowel de 5%-value-at-risk als de geschatte volatiliteit te plotten. Het object garchroll met de output van een rollende GARCH-schatting is al beschikbaar in de console.
Deze oefening maakt deel uit van de cursus
GARCH-modellen in R
Oefeninstructies
- Haal de data frame met gemiddelde- en volatiliteitsvoorspellingen op uit
garchroll. - Gebruik de juiste methode om de 5% VaR uit
garchrollte extraheren. - Haal de volatiliteit uit
garchpreds. - Analyseer de meebeweging in een tijdreeksplot.
Praktische interactieve oefening
Probeer deze oefening eens door deze voorbeeldcode in te vullen.
# Extract the dataframe with predictions from the rolling GARCH estimation
garchpreds <- ___(garchroll)
# Extract the 5% VaR
garchVaR <- ___(garchroll, ___ = ___)
# Extract the volatility from garchpreds
garchvol <- xts(garchpreds$___, order.by = time(garchVaR))
# Analyze the comovement in a time series plot
garchplot <- plot(garchvol, ylim = c(-0.1, 0.1))
garchplot <- addSeries(garchVaR, on = 1, col = "blue")
plot(garchplot, main = "Daily vol and 5% VaR")