EGARCH_FORESD - Error de pronóstico EGARCH

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

Sintaxis

X

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

Sigmas

son los datos de la series de tiempo univariante (una matriz unidimensional de celdas (Ej. filas o columnas)) de las últimas volatilidades q ofrealizadas.

Order

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

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

mean

es la media del modelo E-GARCH (Ej. mu).

alphas

son los parámetros del componente de modelo ARCH (p) (comenzando con el lag más bajo).

gammas

son los parámetros de apalancamiento (comenzando con el lag más bajo).

betas

son los parámetros del modelo componente GARCH(q)(comenzando con el lag más bajo).

innovation

es la probalilidad del modelo de distribución para los residuos/innovations (1 = Gaussian (por defecto), 2 = t- Distribución, 3 = GED).

valor	Descripción
1	Distribución normal o Gaussiana (defecto)
2	Distribución t del estudiante
3	Distribución de error generalizada (GED)

v

es la forma del parámetro (o grados de libertad) de la función de distribucion de probailidad de residuos/innovations.

T

es el pronóstico tiempo/horizonte (expresados en términos de paso más allá del final de las eries de tiempo X) Si falta, se asume t = 1.

Local

es el tipo de salida de la volatidlidad deseada (0=Estructura temporal, 1=Volatilidad Local). Si falta, la vilatilidad local es asumida.

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. El número de coeficientes gamma debe coincidir con el número de coeficientes alpha.
5. El número de parametros en los argumentos de entrada - alpha - determina el orden del modelo de componentes ARCH.
6. El número de parametros en los argumentos de entrada - beta - determina el orden del modelo de componentes GARCH.

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