Wyścig modeli
Teraz przeprowadzisz wyścig modeli pod względem dokładności prognoz. Porównasz dwa podejścia do tworzenia kroczących prognoz modelu GARCH:
garchroll: model AR(1) standardowy GARCH z rozkładem \(t\) Studentagjrgarchroll: model AR(1) GJR GARCH z asymetrycznym rozkładem \(t\) Studenta.
Estymacje kroczące zostały przeprowadzone z parametrami n.start = 2500, refit.window = "moving", refit.every = 500.
Wynikowe obiekty ugarchroll są dostępne w konsoli.
To ćwiczenie jest częścią kursu
Modele GARCH w R
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
# Inspect the first three rows of the dataframe with out of sample predictions
garchpreds <- as.data.frame(garchroll)
head(garchpreds, ___)