ÎncepețiÎncepe gratuit

Dinamica AR(1)-GJR GARCH a randamentelor MSFT

Ai văzut în videoclip că semnul parametrului autoregresiv din modelul AR(1) depinde de reacția pieței la știri

O valoare pozitivă a lui \(\rho \) este consecventă cu interpretarea că piețele reacționează insuficient la știri, generând un efect de moment în randamente. O valoare negativă a lui \(\rho \) este consecventă cu interpretarea că piețele reacționează excesiv la știri, ducând la o inversare a randamentelor.

Randamentele zilnice Microsoft sunt caracterizate de un efect de moment sau de un efect de reversie în dinamica lor AR(1)? Hai să aflăm estimând parametrii modelului AR(1)-GJR GARCH folosind randamentele zilnice Microsoft din msftret.

Acest exercițiu face parte din cursul

Modele GARCH în R

Vezi cursul

Instrucțiuni pentru exercițiu

  • armaOrder = c(1,2) corespunde unui model ARMA(1,2). Un model AR(1) este echivalent cu ARMA(1,0).
  • Completează argumentul mean.model din ugarchspec pentru a specifica modelul AR(1) de utilizat.
  • Estimează modelul.
  • Afișează primii doi coeficienți ai modelului GARCH estimat.

Exercițiu interactiv practic

Încearcă acest exercițiu completând acest cod de exemplu.

# Specify AR(1)-GJR GARCH model
garchspec <- ugarchspec(mean.model = list(armaOrder = ___ ),
                        variance.model = list(model = "gjrGARCH"),
                        distribution.model = "sstd")

# Estimate the model
garchfit <- ___

# Print the first two coefficients
___(___)[c(1:2)]
Editează și rulează codul