EGARCH_CALIBRATE - Valores Óptimos para los Parámetros del Modelo

Computa la máxima verosimilitud estimada (MLE) de los parámetros del modelo.

Sintaxis

EGARCH_CALIBRATE ([x], orden, µ, [α], [γ], [β], f, ν, [máscara], método, maxiter)

[X]

Obligatorio. Es la serie de datos de tiempo univariante (un array dimensional de celdas (Ej. filas o columnas)).

Orden

Opcional. Es el orden de tiempo en la serie de datos. (Ej. el primer punto corresponde a la fecha (la más temprana fecha = 1 (por defecto), la más tarde fecha = 0)).

Valor	Orden
1	Ascendente (el primer punto corresponde a la fecha menor) (por defecto).
0	Descendiente (el primer punto corresponde a la fecha mayor).

µ

Opcional. Es la media del modelo GARCH (Ej.mu). Si falta, la media es asumida como cero.

[α]

Obligatorio. Son los parámetros de la modelo de componentes ARCH (p): [α1, α2 … αp] (comenzando con el lag más bajo).

[γ]

Opcional. Son los parámetros de apalancamiento [γ1, γ2 … γp] (empezando por el desfase más bajo).

[β]

Opcional. Son los parámetros de la modelo de componentes GARCH(q): [β1, β2 … βq] (comenzando con el lag más bajo).

F

Opcional. Es la función de distribución de probabilidad de los residuos/innovaciones (1 = Gaussiana (por defecto), 2 = t-Distribución, 3 = GED).

Valor	Distribución de Probabilidad
1	Distribución Normal o Gaussiana (por defecto).
2	Distribución t del Estudiante.
3	Distribución de Error Generalizada (DEG).

ν

Opcional. Es el factor de la forma (o grados de libertad) de los residuos/innovaciones de la función de distribución de probabilidad.

Máscara

Opcional. Es una matriz de 0's y 1's para especificar que parámetros se van a calibrar. Si falta, todos los parámetros son incluidos en la calibración.

Método

Opcional. Es la calibración/método de ajuste (1 = MLE, 2 = Bayesiano). Si falta, una máxima verosimilitud estimada (MLE) es asumida.

Valor	Método
1	Máxima verosimilitud estimada (MLE) (por defecto).
2	Bayesiano.

MaxIter

Opcional. Es el número máximo de iteraciones que se utilizan para calibrar el modelo. Si falta, se supone que el máximo predeterminado de 100.

Observaciones

1. El modelo subyacente se describe aquí.
2. Las series de tiempo es homogénea e igualmente espaciada.
3. Las series de tiempo pueden incluir valores faltantes (Ej. #N/A) en cada extremo.
4. La máxima estimación de verosimilitud (MLE) es un método estadístico para ajustar un modelo a los datos y provee estimados para los parámetros del modelo.

Ejemplos de archivos

Enlaces Relacionados

• Wikipedia - Modelo autorregresivo con heterocedasticidad condicional.

Referencias

• James Douglas Hamilton; Análisis de series de tiempo; Princeton University Press; 1st edition (Jan 11, 1994), ISBN: 691042896.
• Tsay, Ruey S.; Analysis of Financial Time Series; John Wiley & SONS; 2nd edition (Aug 30, 2005), ISBN: 0-471-690740.