ComeçarComece de graça

Efeito do modelo de média nas previsões de volatilidade

Modelar a dinâmica da média geralmente tem grande efeito sobre os retornos previstos, mas apenas um efeito pequeno sobre as previsões de volatilidade. Esse efeito é tão pequeno que, se o interesse for apenas na dinâmica da volatilidade, normalmente você pode ignorar a dinâmica da média e simplesmente assumir a especificação mais simples: o modelo de média constante.

Vamos testar isso para os retornos diários da Microsoft. A média e a volatilidade previstas da estimação GARCH sob as suposições de média constante e AR(1) já estão disponíveis no console nas variáveis constmean_mean, ar1_mean, constmean_vol e ar1_vol.

Este exercício faz parte do curso

Modelos GARCH em R

Ver curso

Instruções do exercício

  • Complete o código para estimar o modelo GARCH-in-mean.
  • Calcule a média e a volatilidade previstas.
  • Complete o código para calcular a correlação entre as previsões de retorno AR(1) e GARCH-in-mean.
  • Complete o código para calcular a correlação das três previsões de volatilidade.

Exercício interativo prático

Experimente este exercício completando este código de exemplo.

# 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))
Editar e executar o código