使用 ugarchroll 進行回測

Create Your Free Account

or

By continuing, you accept our Terms of Use, our Privacy Policy and that your data is stored in the USA.

本練習屬於課程

R 的 GARCH 模型

SkillTag.level.advancedSkillTag.label

4.8+

免費開始學習課程

我們先直接動手做。對每日股票報酬做滾動視窗分析會發現，其標準差會隨時間劇烈變動。回顧過去，我們有明確證據顯示波動度隨時間而變。展望未來，我們需要估計未來報酬的波動度。這正是 GARCH 模型的核心！在本章中，你會學到如何使用 rugarch 套件，在 R 中指定並估計主力的 GARCH(1,1) 模型。最後我們將展示它在戰術資產配置上的實用性。

Exercise 1: 分析波動度 Exercise 2: 計算報酬率 Exercise 3: 子樣本的標準差 Exercise 4: Roll, roll, roll Exercise 5: 用 GARCH 方程式預測波動度 Exercise 6: GARCH(1,1) 對單次衝擊的反應 Exercise 7: 預測誤差 Exercise 8: GARCH 變異數的遞迴特性 Exercise 9: rugarch 套件 Exercise 10: 指定並品味各種 GARCH 模型風味 Exercise 11: 樣本外預測 Exercise 12: 戰術資產配置中的波動率目標化

市場上漲像走樓梯，下跌像坐電梯。這句華爾街箴言對於建立寫實的波動度模型有重要啟示。這表示你需要放棄常態性的假設，也不能再假設波動度對衝擊的反應是對稱的。在本章中，你將學到具有槓桿效果與偏斜 student t 擾動的 GARCH 模型。最後，你將能運用 GARCH 模型來估計超過一萬種不同的 GARCH 模型指定。

Exercise 1: 標準化報酬的非常態性 Exercise 2: 偏態 student t 分配的參數 Exercise 3: 非常態 GARCH 模型的估計 Exercise 4: 標準化報酬 Exercise 5: 槓桿效應 Exercise 6: 消息衝擊曲線（news impact curve）Exercise 7: GJR-GARCH 模型的估計 Exercise 8: 平均模型 Exercise 9: 預測報酬 Exercise 10: 微軟（MSFT）報酬的 AR(1)-GJR GARCH 動態 Exercise 11: 均值模型對波動度預測的影響 Exercise 12: 避免不必要的複雜性 Exercise 13: 建模抉擇 Exercise 14: 固定 GARCH 參數 Exercise 15: 參數界限與對預測的影響 Exercise 16: 變異數目標化（Variance targeting）

GARCH 模型會產生波動度預測，做為金融決策的輸入。在實務上使用前，必須先評估這些波動度預測的品質。本章將帶你分析已估計 GARCH 參數的統計顯著性、標準化報酬的性質、資訊準則的解讀，以及如何利用滾動式 GARCH 估計與均方預測誤差來評估波動度預測的準確度。

Exercise 1: 統計顯著性 Exercise 2: 顯著性檢定 Exercise 3: 分析估計輸出 Exercise 4: 更適合 EUR/USD 報酬的模型 Exercise 5: 適配度 Exercise 6: 簡約性（Parsimony）Exercise 7: 均方預測誤差 Exercise 8: 比較概似與資訊準則 Exercise 9: 診斷絕對標準化報酬 Exercise 10: GARCH 模型假設的驗證 Exercise 11: 相關圖與 Ljung-Box 檢定 Exercise 12: 變更估計樣本 Exercise 13: 使用 ugarchroll 進行回測

當前練習

Exercise 14: ugarchroll 參數 Exercise 15: 樣本內與滾動樣本的波動度比較 Exercise 16: 賽馬比一比

到這個階段，你已經熟悉使用 rugarch 套件進行 GARCH 模型的標準指定、估計與驗證。本章將介紹 rugarch 的進階功能，用於估計風險值、在產線環境中使用 GARCH 模型，以及模擬 GARCH 報酬。你也會看到，變異數存在 GARCH 動態會影響對數報酬的模擬、股票貝他值的估計，以及最小變異數投資組合的尋找。

Exercise 1: 在險價值（Value-at-risk）Exercise 2: VaR 圖 Exercise 3: 預測波動度與 VaR 的同步變動 Exercise 4: 覆蓋率對分配模型的敏感度 Exercise 5: 用於生產與模擬 Exercise 6: 實際報酬 vs. 模擬報酬 Exercise 7: 在生產環境中使用 Exercise 8: 在模擬中的應用 Exercise 9: 模型風險 Exercise 10: 穩健派（Robustniks）Exercise 11: 起始值 Exercise 12: GARCH 協方差 Exercise 13: 貝他值估計 Exercise 14: 最小變異投資組合權重 Exercise 15: GARCH 與夥伴們 Exercise 16: 恭喜你