BaşlayınÜcretsiz Başlayın

Ortalama modelinin volatilite tahminlerine etkisi

Ortalama dinamiklerini modellemek genellikle elde edilen beklenen getiriler üzerinde büyük bir etkiye sahiptir, ancak volatilite tahminleri üzerinde yalnızca küçük bir etkisi olur. Volatilite tahminleri üzerindeki etki o kadar küçüktür ki, eğer ilgi yalnızca volatilite dinamiklerindeyse, genellikle ortalama dinamikleri göz ardı edilebilir ve en basit belirtim olan sabit ortalama modelinin varsayılması yeterlidir.

Bunu Microsoft'un günlük getirileri için test edelim. Sabit ortalama ve AR(1) varsayımı altında GARCH tahmininin beklenen ortalama ve volatilitesi, konsolda constmean_mean, ar1_mean, constmean_vol ve ar1_vol değişkenleri olarak zaten mevcut.

Bu egzersiz

R'de GARCH Modelleri

kursunun bir parçasıdır
Kursu Görüntüle

Egzersiz talimatları

  • GARCH-in-mean modelini tahmin etmek için kodu tamamla.
  • Tahmin edilen ortalama ve volatiliteyi hesapla.
  • AR(1) ve GARCH-in-mean getiri tahminleri arasındaki korelasyonu hesaplamak için kodu tamamla.
  • Üç volatilite tahmininin tümünün korelasyonunu hesaplamak için kodu tamamla.

Uygulamalı interaktif egzersiz

Bu örnek kodu tamamlayarak bu egzersizi bitirin.

# GARCH-in-Mean specification and estimation
gim_garchspec <- ___( 
  mean.model = list(armaOrder = c(0,0), archm = ___, archpow = ___),
  variance.model = list(model = "gjrGARCH"), distribution.model = "sstd")
gim_garchfit <- ___(data = msftret , ___ = ___)

# Predicted mean returns and volatility of GARCH-in-mean
gim_mean <- ___(___)
gim_vol <- ___(___)

# Correlation between predicted return using AR(1) and GARCH-in-mean models
___(___, ___)

# Correlation between predicted volatilities across mean.models
___(merge(constmean_vol, ar1_vol, gim_vol))
Kodu Düzenle ve Çalıştır