Wpływ modelu średniej na prognozy zmienności
Modelowanie dynamiki średniej zazwyczaj ma duży wpływ na prognozowane zwroty, ale jedynie niewielki wpływ na prognozy zmienności. Ten wpływ jest tak mały, że jeśli interesuje cię wyłącznie dynamika zmienności, możesz zwykle pominąć dynamikę średniej i przyjąć najprostszą specyfikację – model ze stałą średnią.
Sprawdźmy to na przykładzie dziennych zwrotów Microsoftu. Prognozowane wartości średniej i zmienności z estymacji GARCH przy założeniu stałej średniej i AR(1) są już dostępne w konsoli jako zmienne constmean_mean, ar1_mean, constmean_vol i ar1_vol.
To ćwiczenie jest częścią kursu
Modele GARCH w R
Instrukcje do ćwiczenia
- Uzupełnij kod, aby estymować model GARCH-in-mean.
- Oblicz prognozowaną średnią i zmienność.
- Uzupełnij kod, aby obliczyć korelację między prognozami zwrotów AR(1) i GARCH-in-mean.
- Uzupełnij kod, aby obliczyć korelację wszystkich trzech prognoz zmienności.
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
# GARCH-in-Mean specification and estimation
gim_garchspec <- ___(
mean.model = list(armaOrder = c(0,0), archm = ___, archpow = ___),
variance.model = list(model = "gjrGARCH"), distribution.model = "sstd")
gim_garchfit <- ___(data = msftret , ___ = ___)
# Predicted mean returns and volatility of GARCH-in-mean
gim_mean <- ___(___)
gim_vol <- ___(___)
# Correlation between predicted return using AR(1) and GARCH-in-mean models
___(___, ___)
# Correlation between predicted volatilities across mean.models
___(merge(constmean_vol, ar1_vol, gim_vol))