您现在的位置是:首页 > 编程 > 

MATLAB用GARCH模型对股票市场收益率时间序列波动的拟合与预测

2025-07-26 23:43:30
MATLAB用GARCH模型对股票市场收益率时间序列波动的拟合与预测 全文链接:/?p=使用 garch 指定一个单变量GARCH(广义自回归条件异方差)模型)。 garch 模型的关键参数包括:GARCH 多项式,由滞后条件方差组成。阶数用_P_表示 。ARCH多项式,由滞后平方组成。阶数用_Q_表示 。P 和 Q 分别是 GARCH 和 ARCH 多项式中的最大非零滞后。其他模型参数

MATLAB用GARCH模型对股票市场收益率时间序列波动的拟合与预测

全文链接:/?p=24211

使用 garch 指定一个单变量GARCH(广义自回归条件异方差)模型)。

garch 模型的关键参数包括:

  • GARCH 多项式,由滞后条件方差组成。阶数用_P_表示 。
  • ARCH多项式,由滞后平方组成。阶数用_Q_表示 。

PQ 分别是 GARCH 和 ARCH 多项式中的最大非零滞后。其他模型参数包括平均模型偏移、条件方差模型常数和分布。

所有系数都是未知(a 值)和可估计的。

示例: 'ARCHLags',[1 4],'ARCH',{a a} 指定 GARCH(0,4) 模型和未知但非零的 ARCH 系,滞后 14

例子

创建默认 GARCH 模型

创建默认 garch 模型对象并指定其参数值。

创建 GARCH(0,0) 模型。

代码语言:javascript代码运行次数:0运行复制
garch

Md 是一个 garch 模型。它包含一个未知常数,其偏移量为 0,分布为 'Gaussian'。该模型没有 GARCH 或 ARCH 多项式。

为滞后 1 和滞后 2 指定两个未知的 ARCH 系数。

代码语言:javascript代码运行次数:0运行复制
ARCH = { }

QARCH 性能更新为 2{a a}。两个 ARCH 系数与滞后 1 和滞后 2 相关联。

创建 GARCH 模型

garch 创建 模型 garch(P,Q),其中 P 是 GARCH 多项式的阶数, Q 是 ARCH 多项式的阶数。

创建 GARCH(,2) 模型

代码语言:javascript代码运行次数:0运行复制
garch(,2)

Md 是一个 garch 模型对象。 Md的所有属性,除了 PQDistribution,是 a 值。默认情况下:

  • 包括条件方差模型常数
  • 排除条件平均模型偏移(即偏移为 0
  • 包括 ARCH 和 GARCH 滞后运算符多项式中的所有滞后项,分别达到滞后 QP

Md仅指定 GARCH 模型的函数形式。因为它包含未知的参数值,您可以通过 Md 和时间序列数据 estimate 来估计参数。

使用参数创建 GARCH 模型

garch 使用名称-值对参数创建 模型。

指定 GARCH(1,1) 模型。默认情况下,条件平均模型偏移为零。指定偏移量为 a

代码语言:javascript代码运行次数:0运行复制
grch('GRCHas',1,'CHLas',1,'Oset',a)

Md 是一个 garch 模型对象。

由于 Md包含 a 值, Md仅适用于估计。将 Md时间序列数据传递给 estimate.

创建具有已知系数的 GARCH 模型

创建一个具有平均偏移量的 GARCH(1,1) 模型,

yt=0.5+εt,

其中 εt=σtzt,

σ2t = 0.0001 + 0.75σ2t − 1 + 0.1ε2t − 1,

zt 是一个独立同分布的标准高斯过程。

代码语言:javascript代码运行次数:0运行复制
 garh('Conant',00001,'GACH',0.75,...
    'AR H ,0.1,'Ofet'0.5)
访问 GARCH 模型属性

创建 garch 模型对象。

代码语言:javascript代码运行次数:0运行复制
 garch(,2)

从模型中删除第二个 GARCH 项。即,指定第二个滞后条件方差的 GARCH 系数为 0

代码语言:javascript代码运行次数:0运行复制
GAH{2} = 0

GARCH 多项式有两个未知参数,分别对应滞后 1 和滞后 。

显示扰动的分布。

代码语言:javascript代码运行次数:0运行复制
Ditiuton

扰动是均值为 0 且方差为 1 的高斯扰动。

指定基础 IID 扰动具有 五个自由度的_t_分布。

代码语言:javascript代码运行次数:0运行复制
dl.Dirbton = trut('me','t','DF',5)

指定第一个滞后的 ARCH 系数为 0.2,第二个滞后的 ARCH 系数为 0.1。

代码语言:javascript代码运行次数:0运行复制
ACH = {0.2 0.1}

要估计残差的参数,您可以将Md数据传递 给 estimate 指定的参数并将其用作等式约束。或者,您可以指定其余的参数值,然后通过将完全指定的模型分别传递给simulate 或 来模拟或预测 GARCH 模型的条件方差 forecast

估计 GARCH 模型

将 GARCH 模型拟合到 1922-1999 年股票收益率的年度时间序列。

加载 Data数据集。绘制收益率 ( nr)。

代码语言:javascript代码运行次数:0运行复制
R;

fiure;
plot(daes,nr;
hod n;
pot(\[dtes(1) dtes(n

收益序列似乎具有非零条件平均偏移,并且似乎表现出波动聚集。也就是说,较早年份的变异性小于晚年的变异性。对于此示例,假设 GARCH(1,1) 模型适用于该序列。

创建 GARCH(1,1) 模型。默认情况下,条件平均偏移为零。要估计偏移量,请将其指定为 a

代码语言:javascript代码运行次数:0运行复制
garh('GCHags',1,'ARHLgs',1,'Ofst',a);

将 GARCH(1,1) 模型拟合到数据。

代码语言:javascript代码运行次数:0运行复制
eimae(dl,r);

Est是一个完全指定的 garch 模型对象。也就是说,它不包含 a 值。您可以通过使用 生成残差infer,然后对其进行分析来评估模型的充分性 。

要模拟条件方差或序列,请传递 Estsimulate

要预测分布,请 Est转到 forecast.

模拟 GARCH 模型观察序列和条件方差

从完全指定的garch 模型对象模拟条件方差或序列路径 。也就是说,从估计garch 模型或已知 garch 模型(您在其中指定所有参数值)进行模拟 。

加载 Data 数据集。

代码语言:javascript代码运行次数:0运行复制
R;

创建具有未知条件平均偏移量的 GARCH(1,1) 模型。将模型拟合到年度收益序列。

代码语言:javascript代码运行次数:0运行复制
gach('GCHLgs',1,ARCLgs',1,Ofet',a);
Est = esiae(Mnr);

从估计的 GARCH 模型模拟每个时期的 100 条条件方差和序列路径。

代码语言:javascript代码运行次数:0运行复制
mOb = nul(n); % 样本大小(T)
nuths = 100;     % 要模拟的路径数
rg(1);             % 用于重现
\[Vim,Sm\] = simae(EMdl,nuOs,umPts,umPts);

VSimYSimT-by- numPaths 矩阵。行对应一个采样周期,列对应一个模拟路径。

绘制模拟路径的平均值以及 97.5% 和 2.5% 的百分位数。将模拟统计数据与原始数据进行比较。

代码语言:javascript代码运行次数:0运行复制
Var = men(Vim,2);
VSI = quntie(Vi,\[0.025 0.975\],2);
Ymar = man(YSm,2);
YCI = qatle(Sim,\[0.025 0.975\],2);

pot(ae,im,);
hld on;
h2 = plt(des,Viar);
h =plo(ats,VSiCI,
hld off;

预测 GARCH 模型条件方差

从完全指定的garch 模型对象预测条件方差 。也就是说,根据估计garch 模型或garch 您指定所有参数值的已知 模型进行预测 。

加载 Data 数据集。

代码语言:javascript代码运行次数:0运行复制
R;

创建具有未知条件平均偏移量的 GARCH(1,1) 模型,并将该模型拟合到年度收益率序列。

代码语言:javascript代码运行次数:0运行复制
dl = grh('GCas',1,'AHas',1,'Ofet',a);
Edl = esate(dl,r);

使用估计的 GARCH 模型预测未来 10 年收益率序列的条件方差。将整个收益系列指定为样本前观察。软件使用样本前观测值和模型推断样本前条件方差。

代码语言:javascript代码运行次数:0运行复制
numPeiods = 10;
F = foeast(EtMdl,uPes,nr);

绘制名义收益的预测条件方差。将预测与观察到的条件方差进行比较。

代码语言:javascript代码运行次数:0运行复制
fgure;
pot(dtes);
hld n;
pot(dts(ed):ds(ed) + 10,\[v(nd);vF\]);
参考

[1] Tsay,_金融时间序列的_RS _分析_。第 版。John Wiley & S, Inc.,2010 年。

本文参与 腾讯云自媒体同步曝光计划,分享自。原始发表:2024-12-19,如有侵权请联系 cloudcommunity@tencent 删除matlabnan对象模型数据

#感谢您对电脑配置推荐网 - 最新i3 i5 i7组装电脑配置单推荐报价格的认可,转载请说明来源于"电脑配置推荐网 - 最新i3 i5 i7组装电脑配置单推荐报价格

本文地址:http://www.dnpztj.cn/biancheng/1235306.html

相关标签:无
上传时间: 2025-07-26 14:30:43
留言与评论(共有 9 条评论)
本站网友 佳炎日志
7分钟前 发表
也就是说
本站网友 石原理美
26分钟前 发表
创建 GARCH(
本站网友 桂圆红枣枸杞茶
27分钟前 发表
σ2t = 0.0001 + 0.75σ2t − 1 + 0.1ε2t − 1
本站网友 糖尿病保健
9分钟前 发表
umPts);VSim 和 YSim 是 T-by- numPaths 矩阵
本站网友 东莞商铺出租
11分钟前 发表
代码语言:javascript代码运行次数:0运行复制dl.Dirbton = trut('me'
本站网友 理财公司
1分钟前 发表
代码语言:javascript代码运行次数:0运行复制gach('GCHLgs'
本站网友 郑焦城际公交
6分钟前 发表
代码语言:javascript代码运行次数:0运行复制 garh('Conant'
本站网友 vagaa哇嘎画时代
8分钟前 发表
Inc.