BaşlayınÜcretsiz başlayın

MSFT getirilerinin AR(1)-GJR GARCH dinamikleri

Videoda gördüğün gibi, AR(1) modelindeki otoregresif parametrenin işareti, piyasanın haberlere verdiği tepkiye bağlıdır.

$\rho\(’nun pozitif olması, piyasaların haberlere eksik tepki verdiği ve getirilerde momentuma yol açtığı yorumuyla tutarlıdır. \)\rho$’nun negatif olması ise, piyasaların haberlere aşırı tepki verdiği ve getirilerin ortalamaya dönüş eğilimi gösterdiği yorumuyla tutarlıdır.

Günlük Microsoft getirileri, AR(1) dinamiklerinde momentum mu yoksa tersine dönüş etkisi mi sergiliyor? Bunu, msftret içindeki günlük Microsoft getirilerini kullanarak AR(1)-GJR GARCH modelinin parametrelerini tahmin ederek keşfedelim.

Bu egzersiz, kursun bir parçasıdır

R'de GARCH Modelleri

Kursa Göz Atın

Egzersiz talimatları

  • armaOrder = c(1,2) bir ARMA(1,2) modeline karşılık gelir. Bir AR(1) modeli, ARMA(1,0) ile aynıdır.
  • Kullanılacak AR(1) modelini belirtmek için ugarchspec içindeki mean.model argümanını tamamla.
  • Modeli tahmin et.
  • Tahmin edilen GARCH modelinin ilk iki katsayısını yazdır.

Uygulamalı etkileşimli egzersiz

Bu egzersizi bu örnek kodu tamamlayarak deneyin.

# 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)]
Kodu Düzenle ve Çalıştır