Devuelve una matriz/array para los resíduos estandarizados del modelo ajustado GRACH-M.
Sintaxis
GARCHM_RESID (X, Order, Mean, Lambda, Alphas, Betas, Innovation, ν)
- 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)).
Valor Order 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 el coeficiente de volatilidad para la media. En finanzas, lambda se refiere a una prima de riesgo. Si falta, un 0 por defecto es asumido.
- Alphas
- son los parámetros del componente de modelo ARCH(p) (empezando por el desfase más bajo).
- Betas
- son los parámetros del modelo componente GARCH(q) (empezando por el desfase más bajo).
- Innovation
- es el modelo de distribución de probabilidad para los residuales (1 = Gaussiana (por defecto), 2 = t-Distribución, 3 = GED).
Valor Innovation 1 Distribución normal o Gaussiana (por defecto). 2 Distribución t del estudiante. 3 Distribución de error generalizada (GED). - ν
- es el parámetro de la muestra (o grados de libertad) de la función de los residuales de la función de probabilidad. Si falta, un defecto de 5.0 es asumido.
Observaciones
- El modelo subyacente se describe aquí.
- Las series de tiempo son homogéneas e igualmente espaceadas.
- Las series de tiempo pueden incluir valores faltantes (Ej. #N/A) en cada extremo.
- Los resíduos estandarizados tienen una media de cero y una varianza de uno (1).
- Los resíduos estandarizados del modelo GARCH_M son definidos como: $$\epsilon_t = \frac{a_t}{\sigma_t} $$ $$a_t = x_t - \mu -\lambda \sigma_t $$ Donde:
- $\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.
- El número de parámetros del argumento de entrada - alpha - determina el orden del modelo componente ARCH.
- El número de parámetros del argumento de entrada - beta - determina el orden del modelo componente GARCH.
Ejemplos de archivos
Enlaces Relacionados
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.
Comentarios
El artículo está cerrado para comentarios.