Biến động in-sample so với rolling sample
Với một chuỗi thời gian lợi nhuận nhất định, bạn có thể ước tính độ biến động GARCH bằng phương thức sigma() áp dụng lên đầu ra từ ugarchfit hoặc dùng phương thức as.data.frame() cho đầu ra từ ugarchroll. Khác biệt là ugarchfit cho ra ước lượng biến động in-sample bằng cách ước lượng mô hình GARCH một lần duy nhất trên toàn bộ chuỗi dữ liệu, trong khi ugarchroll ước lượng lại mô hình và chỉ dùng các lợi nhuận thực sự quan sát được tại thời điểm ước lượng. Ở bài này, bạn cần so sánh các dự báo biến động thu được cho lợi nhuận hằng ngày của S&P 500 bằng mô hình AR(1) GJR GARCH với phân phối skewed student t. Cấu hình GARCH cần dùng đã được chỉ định sẵn trong garchspec, còn dữ liệu nằm trong sp500ret.
Bài tập này là một phần của khóa học
Các mô hình GARCH trong R
Bài tập tương tác thực hành trực tiếp
Hãy thử làm bài tập này bằng cách hoàn thành đoạn mã mẫu này.
# Estimate the GARCH model using all the returns and compute the in-sample estimates of volatility
garchinsample <- ___(data = sp500ret, spec = garchspec)
garchvolinsample <- ___(___)