Bắt đầu ngayBắt đầu miễn phí

Sai số dự báo bình phương trung bình

Mô hình GJR GARCH là một tổng quát hóa của mô hình GARCH, vì vậy thường cho độ khớp tốt hơn xét theo Mean Squared Errors (MSE) thấp hơn. Hãy kiểm chứng điều này trên chuỗi lợi nhuận Microsoft msftret, trong đó garchfit là kết quả ước lượng với mô hình GARCH(1,1) tiêu chuẩn, còn gjrfit là khi dùng mô hình GJR. Hãy nhớ bạn có thể tính vector sai số dự báo \(e\) cho kỳ vọng (mean) bằng phương thức residuals(). Sai số dự báo cho phương sai bằng chênh lệch giữa \(e^2\) và phương sai GARCH dự báo.

Bài tập này là một phần của khóa học

Các mô hình GARCH trong R

Xem khóa học

Hướng dẫn bài tập

  • Tính vector sai số dự báo cho kỳ vọng bằng phương thức residuals().
  • Hoàn thiện mã để tính MSE cho đầu ra ước lượng garchfit.
  • Tính MSE cho đầu ra ước lượng gjrfit.

Bài tập tương tác thực hành trực tiếp

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

# Compute prediction errors
garcherrors <- ___(garchfit)
gjrerrors  <- ___(gjrfit)

# Compute MSE for variance prediction of garchfit model
___((___(garchfit)___ - garcherrors^2)___)

# Compute MSE for variance prediction of gjrfit model
___
Chỉnh sửa và Chạy Mã