GARCHM_RESID - Residuales GARCHM

Devuelve una matriz/array para los resíduos estandarizados del modelo ajustado GRACH-M.

Sintaxis

GARCHM_RESID(X, Order, mean, lambda, alphas, betas, innovation, v)

X son los datos de serie de tiempo univariante (una matriz unidimensional de celdas (Ej. filas o columnas)).

Order 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 última fecha=0)).

Orden Descripición
1 ascendente (El primer punto corresponde a la fecha más temprana (por defecto)
0 descendente (El primer punto corresponde ala última fecha)

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

lambda es la media del coeficiente de volatilidad. En finanzas, lambda hace referencia a una prima de riesgo.

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

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

innovation es el modelo de distribución de probabilidad para los residuales (1=Gaussiana (por defecto), 2=t-Distribución, 3=GED).

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

v es la forma del parámetro (o grados de libertad) de los residuales/innovations de la función de la distribución de probabilidad.

Observaciones

  1. El modelo subyacente se describe aquí.
  2. Las series de tiempo son homogéneas e igualmente espaceadas.
  3. Las series de tiempo pueden incluir valores faltantes (Ej. #N/A) en cada extremo.
  4. Los resíduos estandarizados tienen una media de cero y una varianza de uno (1).
  5. Los resíduos estandarizados del modelo GARCH_M son definidos como:
    $$\epsilon_t = \frac{a_t}{\sigma_t} $$
    $$a_t = x_t - \mu -\lambda \sigma_t $$
    Where:
    • $\epsilon $ es el resíduo estandarizado del modelo GARCH-M en el tiempo t.
    • $a_t$ es el resíduo del modelo GARCH-M en el tiempo t.
    • $x_t$ es el valor de las series de tiempo en el tiempo t.
    • $\mu$ es la media de GARCH-M.
    • $\sigma_t$ es la volatilidad condicional GARCH-M en el tiempo t.
    • $\lambda$ is the volatility coefficient in the conditional mean.
  6. El número de parámetros del argumento de entrada - alpha - determina el orden del modelo componente ARCH.
  7. El número de parámetros del argumento de entrada - beta - determina el orden del modelo componente GARCH.

Ejemplos

Ejemplo 1:

 
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
A B C D E
Fecha Data GARCHM_RESID    
Enero 10, 2008 -2.827 -2.760 GARCH-M(1,1)  
Enero 11, 2008 -0.947 -1.019 Mean -0.076
Enero 12, 2008 -0.877 -0.949 Lambda 0.145
Enero 13, 2008 1.209 1.144 Alpha_0 0.593
Enero 14, 2008 -1.669 -1.743 Alpha_1 0.000
Enero 15, 2008 0.835 0.769 Beta_1 0.403
Enero 16, 2008 -0.266 -0.336    
Enero 17, 2008 1.361 1.297    
Enero 18, 2008 -0.343 -0.413    
Enero 19, 2008 0.475 0.408    
Enero 20, 2008 -1.153 -1.226    
Enero 21, 2008 1.144 1.079    
Enero 22, 2008 -1.070 -1.142    
Enero 23, 2008 -1.491 -1.565    
Enero 24, 2008 0.686 0.620    
Enero 25, 2008 0.975 0.910    
Enero 26, 2008 -1.316 -1.389    
Enero 27, 2008 0.125 0.057    
Enero 28, 2008 0.712 0.646    
Enero 29, 2008 -1.530 -1.604    
Enero 30, 2008 0.918 0.852    
Enero 31, 2008 0.365 0.297    
Febrero 1, 2008 -0.997 -1.069    
Febrero 2, 2008 -0.360 -0.430    
Febrero 3, 2008 1.347 1.283    
Febrero 4, 2008 -1.339 -1.412    
Febrero 5, 2008 0.481 0.414    
Febrero 6, 2008 -1.270 -1.343    
Febrero 7, 2008 1.710 1.647    
Febrero 8, 2008 -0.125 -0.194    
Febrero 9, 2008 -0.940 -1.012    

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