Średnie kwadratowe błędy predykcji
Model GJR GARCH jest uogólnieniem modelu GARCH, a zatem powinien dawać lepsze dopasowanie w postaci niższych średnich kwadratowych błędów (MSE). Sprawdźmy to na zwrotach Microsoftu msftret, gdzie garchfit odpowiada estymacji standardowym modelem GARCH(1,1), a gjrfit – estymacji modelem GJR. Pamiętaj, że wektor błędów predykcji \(e\) dla średniej możesz obliczyć za pomocą metody residuals(). Błąd predykcji dla wariancji to różnica między \(e^2\) a przewidywaną wariancją GARCH.
To ćwiczenie jest częścią kursu
Modele GARCH w R
Instrukcje do ćwiczenia
- Oblicz wektor błędów predykcji dla średnich, używając metody
residuals(). - Uzupełnij kod obliczający MSE dla wyników estymacji
garchfit. - Oblicz MSE dla wyników estymacji
gjrfit.
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
# Compute prediction errors
garcherrors <- ___(garchfit)
gjrerrors <- ___(gjrfit)
# Compute MSE for variance prediction of garchfit model
___((___(garchfit)___ - garcherrors^2)___)
# Compute MSE for variance prediction of gjrfit model
___