EGARCH_FORESD - Error de Pronóstico EGARCH

(Obsoleto) Calcula errores/desviación estándar del pronóstico de la media condicional.

Sintaxis

EGARCH_FORESD ([x], [σ], orden, µ, [α], [γ], [β], f, ν, t, local)

[X]

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

[σ]

Opcional. Son los datos de las series de tiempo univariante (una matriz de celdas unidimensional (Ej. Filas o columnas)) de la última volatilidad q realizada.

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.

T

Opcional. Es el pronóstico de tiempo/horizonte (expresado en términos de los pasos siguientes al final de las series de tiempo).

Local

Opcional. Es el tipo de salida de la volatilidad deseada (0 = Estructura Temporal, 1 = Volatilidad Local). Si falta, la volatilidad local es asumida.

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. El número de coeficientes gamma debe coincidir con el número de coeficientes alfas (menos uno)
5. Los números de los parámetros en el argumento de entrada - [α_1, α₂ … α_p] - determina el orden del componente del modelo ARCH.
6. Los números de los parámetros en el argumento de entrada - [β_1, β₂ … β_q] - determina el orden del componente del modelo GARCH.

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.