EGARCH_CALIBRATE - Valores óptimos para los parámetros del modelo

Mohamad

23 de diciembre de 2016 20:45

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

Sintaxis

EGARCH_CALIBRATE(X, Order, Model, Mask, Method, maxIter)

X

son los datos de series de tiempo univariante (una matriz/array dimensional de celdas(Ej. filas o columnas)).

Order

tiempo en la series de datos (Ej. el primer punto corresponde a la fecha (la fecha más temprana fecha=1 (por defecto), la ultima fecha=0)).

Order	Descripción
1	ascendente (el primer punto corresponde a la fecha más temprana (por defecto)
0	descendente (el primer punto corresponde a la ultima fecha)

Model

es la representación de la matriz/array del modelo EGARCH (una matriz unidimensional de celdas (Ej. filas o columnas)) (ver función EGARCH).

Mask

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

Method

es la calibracion/método de ajuste (1=MLE, 2=Bayesian). Si falta, una máxima verosimilitud estimada (MLE) es asumida.

Método	Descripción
1	Máxima verosimilitud estimada (MLE)
2	Bayesian

maxIter

es el máximo número de iteraciones usadas para calibrar el modelo. Si falta, 100 es asumido por defecto.

El modelo subyacente se describe aquí.
La series de tiempo son homogéneas e igualmente espaceadas.
La series de tiempo puede incluiur valores faltantes (Ej. #N/A) en cada extremo
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.

Hamilton, J .D.; Time Series Analysis , Princeton University Press (1994), ISBN 0-691-04289-6
Tsay, Ruey S.; Analysis of Financial Time Series John Wiley & SONS. (2005), ISBN 0-471-690740