GARCHM_CHECK Examina los parámetros del modelo para la estabilidad

Examina los parámetros del modelo para las restricciones de estabilidad (Ej.estacionalidad, varianza positiva, etc).

Sintaxis

GARCHM_CHECK(mean, lambda, alphas, betas, innovation, v)

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 are the parameters of the ARCH(p) component model (starting with the lowest lag).

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. La series de tiempo son homogéneas e igualmente espaceadas.
  3. Para aseguarar la varianza condicional positiva y varianza incondicional finita, los coeficientes del modelo deben alcanzar lo siguiente:
    • $\alpha_o \gt 0$
    • $\alpha_i \geq 0$
    • $\beta_i \geq 0$
    • $\sum_{i=1}^{max(p,q}(\alpha_i+\beta_i) \lt 1$
  4. El número de parámetros en los argumentos de entrada - alpha - determina el orden del modelo de componentes ARCH.
  5. El número de parámetros en los argumentos de entrada - beta - determina el orden del modelo de componentes GARCH.

Ejemplos

Ejemplo 1:

 
1
2
3
4
5
6
A B
GARCHM(1,1)  
Mean -0.076
Lambda 0.145
Alpha_0 0.593
Alpha_1 0.000
Beta_1 0.403


  Fórmula Descripción (Resultado)
  =GARCHM_CHECK($B$2,$B$3,$B$4:$B$5,$B$6) Es el modelo estable? (1)

Ejemplos de archivos

Referencias

¿Tiene más preguntas? Enviar una solicitud

0 Comentarios