均值模型对波动率预测的影响
对均值动态进行建模通常会显著影响得到的收益率预测，但对波动率预测的影响较小。对波动率预测的影响小到如果只关心波动率动态，通常可以忽略均值动态，直接采用最简单的常数均值模型。
让我们用 Microsoft 的日度收益率来检验这一点。在控制台中，基于常数均值和 AR(1) 假设的 GARCH 估计所得的预测均值与波动率已分别存为变量 constmean_mean、ar1_mean、constmean_vol 和 ar1_vol。
本练习是课程的一部分
在 R 中构建 GARCH 模型
练习说明
- 完成代码以估计 GARCH-in-mean 模型。
- 计算预测的均值与波动率。
- 完成代码以计算 AR(1) 与 GARCH-in-mean 收益率预测之间的相关系数。
- 完成代码以计算三种波动率预测的相关系数。
交互式实操练习
通过完成这段示例代码来试试这个练习。
# GARCH-in-Mean specification and estimation
gim_garchspec <- ___(
mean.model = list(armaOrder = c(0,0), archm = ___, archpow = ___),
variance.model = list(model = "gjrGARCH"), distribution.model = "sstd")
gim_garchfit <- ___(data = msftret , ___ = ___)
# Predicted mean returns and volatility of GARCH-in-mean
gim_mean <- ___(___)
gim_vol <- ___(___)
# Correlation between predicted return using AR(1) and GARCH-in-mean models
___(___, ___)
# Correlation between predicted volatilities across mean.models
___(merge(constmean_vol, ar1_vol, gim_vol))