Współzależność między prognozowaną zmiennością a VaR
Wykresy wartości zagrożonej (VaR) pokazują znaczną zmienność w czasie ryzyka spadkowego. Ta zmienność jest w dużej mierze napędzana przez zmienność w czasie zwrotów. W tym ćwiczeniu zweryfikujesz, że tak jest w przypadku dziennych zwrotów Microsoftu – narysuj na jednym wykresie zarówno 5% wartość zagrożoną, jak i oszacowaną zmienność. Obiekt garchroll zawierający wyniki kroczącej estymacji GARCH jest już dostępny w konsoli.
To ćwiczenie jest częścią kursu
Modele GARCH w R
Instrukcje do ćwiczenia
- Pobierz ramkę danych ze średnimi prognozami i prognozami zmienności z
garchroll. - Użyj odpowiedniej metody, aby wyodrębnić 5% VaR z
garchroll. - Wyodrębnij zmienność z
garchpreds. - Przeanalizuj współzależność na wykresie szeregu czasowego.
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
# 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")