เริ่มต้นใช้งานเริ่มต้นใช้งานได้ฟรี

ระบุและลองใช้ GARCH Model แต่ละรูปแบบ

ในบทต่อๆ ไป คุณจะเห็นว่า GARCH model มีหลากหลายรูปแบบ ดังนั้นจึงต้องเริ่มต้นด้วยการระบุโมเดล ค่าเฉลี่ย (mean) โมเดล ความแปรปรวน (variance) และ การแจกแจงของความคลาดเคลื่อน (error distribution) ที่ต้องการใช้ โดยโมเดลที่เหมาะสมที่สุดนั้นขึ้นอยู่กับแต่ละการประยุกต์ใช้ การวิเคราะห์ GARCH ที่สมจริงจึงต้องครอบคลุมการระบุ การประมาณค่า และการทดสอบ GARCH model หลายรูปแบบ

ใน R ขั้นตอนเหล่านี้ทำได้ง่ายด้วยแพ็กเกจ rugarch ของ Alexios Ghalanos ซึ่งโหลดไว้ให้แล้ว และจะนำไปใช้วิเคราะห์ผลตอบแทนรายวันใน sp500ret

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

GARCH Models in R

ดูคอร์ส

คำแนะนำการฝึกหัด

  • ใช้ ugarchspec() เพื่อระบุว่าต้องการประมาณโมเดล GARCH(1,1) มาตรฐาน ที่มีค่าเฉลี่ยคงที่และการแจกแจงแบบปกติสำหรับความคลาดเคลื่อนในการพยากรณ์
  • ใช้ ugarchfit() เพื่อประมาณค่าโมเดลด้วยวิธี maximum likelihood
  • ใช้เมธอด sigma() เพื่อดึงค่าความผันผวนที่ประมาณไว้
  • พล็อตกราฟการพยากรณ์ความผันผวนสำหรับปี 2017

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

# 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"])
แก้ไขและรันโค้ด