GARCHM_FORESD - Error de Pronóstico GARCHM

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

Sintaxis

GARCHM_FORESD ([x], [σ], orden, µ, λ, [α], [β], 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.

λ

Opcional. Es la media del coeficiente de volatilidad. En finanzas, lambda hace referencia a una prima de riesgo. Si falta, un 0 por defecto es asumido.

[α]

Obligatorio. Son los parámetros de la modelo de componentes ARCH (p): [α1, α2 … αp] (comenzando con el lag más bajo).

[β]

Opcional. Son los parámetros de la modelo de componentes GARCH(q): [β1, β2 … βq] (comenzando con el lag más bajo).

T

Opcional. Es el pronóstico de tiempo/horizonte (expresado en términos de los pasos siguientes al final de las series de tiempo). Si falta, un defecto de 1 es asumido.

Local

Opcional. Es el tipo de salida de la volatilidad deseada (0 = Estructura de plazo, 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. Los números de los parámetros en el argumento de entrada - [α_1, α₂ … α_p] - determina el orden del componente del modelo ARCH.
5. 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.