樣本內與滾動樣本的波動度比較
對於給定的報酬率時間序列，你可以用 ugarchfit 的輸出搭配 sigma() 來估計 GARCH 波動度，或是將 ugarchroll 的輸出用 as.data.frame() 轉成資料框以取得滾動預測。兩者差異在於，ugarchfit 是使用完整時間序列、只估計一次 GARCH 模型，得到樣本內（in-sample）的波動度估計；而 ugarchroll 會在每次估計時重新估計模型，且只使用當下實際可觀察到的報酬。這題你需要用帶有偏態 student t 分配的 AR(1) GJR GARCH 模型，比較 S&P 500 日報酬的兩種波動度預測。要使用的 GARCH 規格已定義為 garchspec，資料在 sp500ret。
本練習屬於課程
R 的 GARCH 模型
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。
# Estimate the GARCH model using all the returns and compute the in-sample estimates of volatility
garchinsample <- ___(data = sp500ret, spec = garchspec)
garchvolinsample <- ___(___)