滚动，滚动，滚动
您可以使用 PerformanceAnalytics 包中的函数 chart.RollingPerformance() 来可视化波动率的时变特征。一个重要的调参项是窗口长度。窗口越短，滚动波动率对近期收益的响应越强；窗口越长，曲线就越平滑。函数 sd.annualized 可在假设"每年交易日数等于 scale 参数给定的数值"下，计算年度化波动率。
本练习中，您需要补全代码，计算 2005 年至 2017 年期间 sp500ret 中标普 500 日度收益的年度化波动率滚动估计。
本练习是课程的一部分
在 R 中构建 GARCH 模型
练习说明
- 加载
PerformanceAnalytics包。 - 计算「1 个月」估计，并将 scale 参数设置为每年交易日数。
- 计算「3 个月」估计，并将 scale 参数设置为每年交易日数。
交互式实操练习
通过完成这段示例代码来试试这个练习。
# Load the package PerformanceAnalytics
___
# Showing two plots on the same figure
par(mfrow=c(2,1))
# Compute the rolling 1 month estimate of annualized volatility
chart.RollingPerformance(R = sp500ret["2000::2017"], width = ___,
FUN = "sd.annualized", scale = ___, main = "One month rolling volatility")
# Compute the rolling 3 months estimate of annualized volatility
chart.RollingPerformance(R = ___, width = ___,
FUN = ___, scale = ___, main = "Three months rolling volatility")