EGARCH_CALIBRATE - Valores óptimos para los parámetros del modelo

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)).

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.

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

1. El modelo subyacente se describe aquí.
2. La series de tiempo son homogéneas e igualmente espaceadas.
3. La series de tiempo puede incluiur 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 - Autoregressive conditional heteroskedasticity

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