均方預測誤差
GJR GARCH 模型是 GARCH 模型的推廣版，因此在均方誤差（MSE）較低的意義下，理論上應該有更好的擬合表現。讓我們在 Microsoft 報酬 msftret 上驗證這點；其中 garchfit 對應標準 GARCH(1,1) 模型的估計結果，而 gjrfit 則是使用 GJR 模型的估計結果。記得你可以用 residuals() 方法計算平均數的預測誤差向量 $e$。變異數的預測誤差等於 \(e^2\) 與預測的 GARCH 變異數之差。
本練習屬於課程
R 的 GARCH 模型
練習說明
- 使用
residuals()方法計算平均數的預測誤差向量。 - 完成
garchfit估計結果的 MSE 計算程式碼。 - 計算
gjrfit估計結果的 MSE。
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。
# 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
___