變異數目標化（Variance targeting）
金融報酬率的波動性會隨時間群聚：高於平均的波動期之後，常接著出現低於平均的波動期。長期的預測是：
- 當波動性很高時，它會下降並回到長期平均。
- 當波動性很低時，它會上升並回到長期平均。
在估計 GARCH 模型時，我們可以利用波動性的均值回歸特性，採用波動性目標化。也就是以使 GARCH 模型所隱含的長期波動性等於樣本標準差的方式，來估計 GARCH 參數。
現在把這個方法套用到 EUR/USD 的報酬率。
本練習屬於課程
R 的 GARCH 模型
練習說明
- 調整 GARCH 規格以啟用變異數目標化。
- 估計 GARCH 模型。
- 使用
uncvariance()計算 GARCH 所隱含的長期標準差。 - 驗證四捨五入後的數值是否等於樣本標準差。
動手互動練習
試著完成這個範例程式碼，體驗一下這個練習。
# Complete the specification to do variance targeting
garchspec <- ugarchspec(mean.model = list(armaOrder = c(0,0)),
variance.model = list(model = "sGARCH",
___ = ___),
distribution.model = "std")
# Estimate the model
garchfit <- ___(data = EURUSDret, spec = garchspec)
# Print the GARCH model implied long run volatility
sqrt(___(___))
# Verify that it equals the standard deviation (after rounding)
all.equal(sqrt(uncvariance(garchfit)), ___(EURUSDret), tol = 1e-4)