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.
Observaciones
- 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.
Ejemplos de archivos
Referencias
- 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
Comentarios
El artículo está cerrado para comentarios.