Especifique e experimente os sabores do modelo GARCH
Nos próximos capítulos, você verá que os modelos GARCH têm muitos “sabores”. Por isso, comece especificando o modelo de média, o modelo de variância e a distribuição dos erros que você quer usar. O melhor modelo é dependente da aplicação. Uma análise GARCH realista envolve especificar, estimar e testar vários modelos GARCH.
Em R, isso é simples graças ao pacote rugarch, de Alexios Ghalanos. Esse pacote já foi carregado para você. Você vai usá-lo para analisar os retornos diários em sp500ret.
Este exercício faz parte do curso
Modelos GARCH em R
Instruções do exercício
- Use
ugarchspec()para especificar que você quer estimar um modelo GARCH(1,1) padrão com média constante e distribuição normal para os erros de previsão. - Use
ugarchfit()para estimar o modelo por máxima verossimilhança. - Use o método
sigma()para recuperar as volatilidades estimadas. - Faça o gráfico das previsões de volatilidade para 2017.
Exercício interativo prático
Experimente este exercício completando este código de exemplo.
# 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"])