เริ่มต้นใช้งานเริ่มต้นใช้งานได้ฟรี

ความผันผวน In-sample เทียบกับ Rolling Sample

สำหรับอนุกรมเวลาของผลตอบแทน สามารถประมาณค่าความผันผวน GARCH ได้โดยใช้เมธอด sigma() กับผลลัพธ์จาก ugarchfit หรือใช้เมธอด as.data.frame() กับผลลัพธ์จาก ugarchroll ความแตกต่างคือ ugarchfit ให้การประมาณค่าความผันผวนแบบ in-sample ซึ่งประมาณโมเดล GARCH เพียงครั้งเดียวโดยใช้ข้อมูลทั้งหมด ในขณะที่ ugarchroll จะประมาณโมเดลใหม่ซ้ำและใช้เฉพาะผลตอบแทนที่สังเกตได้จริง ณ เวลาที่ประมาณค่า ในแบบฝึกหัดนี้ ให้เปรียบเทียบการพยากรณ์ความผันผวนจากทั้งสองวิธีสำหรับผลตอบแทนรายวันของ S&P 500 โดยใช้โมเดล AR(1) GJR GARCH ร่วมกับการแจกแจง skewed student t สเปซิฟิเคชัน GARCH ที่จะใช้ได้ถูกกำหนดไว้แล้วในตัวแปร garchspec และข้อมูลอยู่ใน sp500ret

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

GARCH Models in R

ดูคอร์ส

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

# Estimate the GARCH model using all the returns and compute the in-sample estimates of volatility
garchinsample <- ___(data = sp500ret, spec = garchspec)
garchvolinsample <- ___(___)
แก้ไขและรันโค้ด