Określ i poznaj różne warianty modelu GARCH
W kolejnych rozdziałach przekonasz się, że modele GARCH występują w wielu wariantach. Na początek musisz określić model średniej, model wariancji oraz rozkład błędów, których chcesz użyć. Wybór najlepszego modelu zależy od konkretnego zastosowania. Rzetelna analiza GARCH polega zatem na specyfikowaniu, estymowaniu i testowaniu różnych modeli GARCH.
W R jest to proste dzięki pakietowi rugarch autorstwa Alexiosa Ghalanosа. Pakiet został już wczytany. Zastosujesz go do analizy dziennych stóp zwrotu zawartych w sp500ret.
To ćwiczenie jest częścią kursu
Modele GARCH w R
Instrukcje do ćwiczenia
- Użyj
ugarchspec(), aby określić, że chcesz estymować standardowy model GARCH(1,1) ze stałą średnią i rozkładem normalnym dla błędów predykcji. - Użyj
ugarchfit(), aby estymować model metodą największej wiarygodności. - Użyj metody
sigma(), aby pobrać estymowane zmienności. - Zwizualizuj prognozy zmienności dla 2017 roku.
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
# Specify a standard GARCH model with constant mean
garchspec <- ___(mean.model = list(armaOrder = ___),
variance.model = list(model = "___"),
distribution.model = "___")
# Estimate the model
garchfit <- ___(data = ___, spec = ___)
# Use the method sigma to retrieve the estimated volatilities
garchvol <- ___
# Plot the volatility for 2017
___(___["2017"])