Bắt đầu ngayBắt đầu miễn phí

Động lực AR(1)-GJR GARCH của lợi nhuận MSFT

Trong video bạn đã thấy rằng dấu của tham số tự hồi quy trong mô hình AR(1) phụ thuộc vào phản ứng của thị trường trước tin tức

Giá trị dương của \(\rho\) phù hợp với cách diễn giải rằng thị trường phản ứng thiếu mạnh với tin tức, dẫn đến động lượng (momentum) trong lợi nhuận. Giá trị âm của \(\rho\) phù hợp với cách diễn giải rằng thị trường phản ứng thái quá với tin tức, dẫn đến đảo chiều (reversion) trong lợi nhuận.

Lợi nhuận hằng ngày của Microsoft thể hiện động lượng hay đảo chiều trong động học AR(1)? Hãy tìm câu trả lời bằng cách ước lượng các tham số của mô hình AR(1)-GJR GARCH sử dụng chuỗi lợi nhuận hằng ngày của Microsoft trong msftret.

Bài tập này là một phần của khóa học

Các mô hình GARCH trong R

Xem khóa học

Hướng dẫn bài tập

  • armaOrder = c(1,2) tương ứng với mô hình ARMA(1,2). Mô hình AR(1) chính là ARMA(1,0).
  • Hoàn thiện đối số mean.model trong ugarchspec để chỉ định mô hình AR(1) sẽ dùng.
  • Ước lượng mô hình.
  • In ra hai hệ số đầu tiên của mô hình GARCH đã ước lượng.

Bài tập tương tác thực hành trực tiếp

Hãy thử làm bài tập này bằng cách hoàn thành đoạn mã mẫu này.

# 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)]
Chỉnh sửa và Chạy Mã