EGARCH_CALIBRATE - Valores óptimos para los parámetros del modelo

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

  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

Referencias

Comentarios

El artículo está cerrado para comentarios.

¿Fue útil este artículo?
Usuarios a los que les pareció útil: 0 de 0