MSFT 收益率的 AR(1)-GJR GARCH 动态
您在视频中看到，AR(1) 模型中自回归参数的符号取决于市场对消息的反应。
正的 \(\rho\) 值意味着市场对消息反应不足，从而带来收益的动量效应。负的 \(\rho\) 值意味着市场对消息反应过度，从而带来收益的反转效应。
微软的日度收益率在其 AR(1) 动态中呈现动量效应还是反转效应？让我们用 msftret 中的微软日度收益率来估计 AR(1)-GJR GARCH 模型的参数，找出答案。
本练习是课程的一部分
在 R 中构建 GARCH 模型
练习说明
armaOrder = c(1,2)对应 ARMA(1,2) 模型。AR(1) 模型等同于 ARMA(1,0)。- 在
ugarchspec的mean.model参数中补全设定，以指定要使用的 AR(1) 模型。 - 估计该模型。
- 打印所估计 GARCH 模型的前两个系数。
交互式实操练习
通过完成这段示例代码来试试这个练习。
# Specify AR(1)-GJR GARCH model
garchspec <- ugarchspec(mean.model = list(armaOrder = ___ ),
variance.model = list(model = "gjrGARCH"),
distribution.model = "sstd")
# Estimate the model
garchfit <- ___
# Print the first two coefficients
___(___)[c(1:2)]