指定并品味 GARCH 模型的不同"口味"
在接下来的章节中，您会看到 GARCH 模型有许多"口味"。因此，您需要先指定要使用的均值模型、方差模型以及误差分布。最佳模型是因应用而异的。一个现实的 GARCH 分析通常需要对多种 GARCH 模型进行设定、估计与检验。
在 R 中，这很简单，多亏了 Alexios Ghalanos 的 rugarch 包。该包已为您加载。您将用它来分析 sp500ret 中的日收益率。
本练习是课程的一部分
在 R 中构建 GARCH 模型
练习说明
- 使用
ugarchspec()指定要估计具有常数均值、预测误差服从正态分布的标准 GARCH(1,1) 模型。 - 使用
ugarchfit()通过极大似然估计该模型。 - 使用方法
sigma()提取估计的波动率。 - 绘制 2017 年的波动率预测。
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 a standard GARCH model with constant mean
garchspec <- ___(mean.model = list(armaOrder = ___),
variance.model = list(model = "___"),
distribution.model = "___")
# Estimate the model
garchfit <- ___(data = ___, spec = ___)
# Use the method sigma to retrieve the estimated volatilities
garchvol <- ___
# Plot the volatility for 2017
___(___["2017"])