Specificera och utforska GARCH-modellens varianter
I kommande kapitel kommer du att se att GARCH-modeller finns i många varianter. Du behöver därför börja med att specificera den medelvärdesmodell, variansmodell och felfördelning som du vill använda. Vilken modell som passar bäst beror på det specifika användningsområdet. En realistisk GARCH-analys innebär alltså att man specificerar, skattar och testar olika GARCH-modeller.
I R är detta enkelt tack vare paketet rugarch av Alexios Ghalanos. Paketet är redan inläst. Du kommer att använda det för att analysera de dagliga avkastningarna i sp500ret.
Den här övningen är en del av kursen
GARCH-modeller i R
Övningsinstruktioner
- Använd
ugarchspec()för att specificera att du vill skatta en standard-GARCH(1,1)-modell med konstant medelvärde och normalfördelning för prediktionsfelen. - Använd
ugarchfit()för att skatta modellen med maximum likelihood. - Använd metoden
sigma()för att hämta de skattade volatiliteterna. - Plotta volatilitetsprognoserna för 2017.
Interaktiv övning med praktiskt arbete
Testa den här övningen genom att slutföra den här exempelkoden.
# 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"])