เริ่มต้นใช้งานเริ่มต้นใช้งานได้ฟรี

ความสัมพันธ์ระหว่างความผันผวนที่พยากรณ์และค่า VaR

กราฟ value-at-risk แสดงให้เห็นว่าความเสี่ยงขาลงมีการเปลี่ยนแปลงตามเวลาอย่างมีนัยสำคัญ ซึ่งส่วนใหญ่เป็นผลมาจากความผันผวนของผลตอบแทนที่เปลี่ยนแปลงตามเวลาเช่นกัน ในแบบฝึกหัดนี้ จะตรวจสอบว่าเป็นเช่นนั้นจริงสำหรับผลตอบแทนรายวันของ Microsoft โดยพล็อตกราฟ 5% value-at-risk และความผันผวนที่ประมาณไว้ในกราฟเดียวกัน ออบเจกต์ garchroll ที่เก็บผลลัพธ์จากการประมาณค่า GARCH แบบ rolling พร้อมใช้งานในคอนโซลแล้ว

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

GARCH Models in R

ดูคอร์ส

คำแนะนำการฝึกหัด

  • ดึงข้อมูลเฟรมที่มีค่าพยากรณ์ค่าเฉลี่ยและความผันผวนจาก garchroll
  • ใช้เมธอดที่เหมาะสมเพื่อดึงค่า VaR ที่ระดับ 5% จาก garchroll
  • ดึงค่าความผันผวนจาก garchpreds
  • วิเคราะห์ความสัมพันธ์ร่วมกันผ่านกราฟอนุกรมเวลา

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

# Extract the dataframe with predictions from the rolling GARCH estimation
garchpreds <- ___(garchroll)

# Extract the 5% VaR 
garchVaR <- ___(garchroll, ___ = ___)

# Extract the volatility from garchpreds
garchvol <- xts(garchpreds$___, order.by = time(garchVaR))

# Analyze the comovement in a time series plot
garchplot <- plot(garchvol, ylim = c(-0.1, 0.1))
garchplot <- addSeries(garchVaR, on = 1, col = "blue")
plot(garchplot, main = "Daily vol and 5% VaR")
แก้ไขและรันโค้ด