Computa la máxima verosimilitud estimada (MLE) de los parámetros del modelo.
Sintaxis
GARCHM_CALIBRATE(X, Order, Model, Mask, Method, maxIter)
- 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) - Model
- es la representación del modelo GARCH-M (una matriz/array unidimensional de celdas (Ej. filas o columnas)) (ver la función GARCHM).
- Mask
- es una matriz/array de 0's y 1's para especificar cuales parámetros van a ser calibrados. Si faltan, todos los parámetros son incluidos en la calibración.
- Method
- es el método de calibración/ajuste(1=MLE, 2=Bayesian).Si faltan, se asume una máxima verosmilitud estimada (MLE).
Método Descripción 1 Máxima Verosimilitud Estimada (MLE) 2 Bayesiana - maxIter
- es el número de iteraciones usadas para calibrar el modelo. Si falta, Un defecto máximo de 100 es asumido.
Observaciones
- El modelo subyacente se describe aquí.
- La series de tiempo son homogéneas e igualmente espaceadas.
- Las series de tiempo pueden incluir valores faltantes (Ej. #N/A) en cada extremo.
- La máxima estimación de verosinmilitud (MLE) es un método estadístico para ajustar un modelo a los datos y proveer estimados para los parámetros del modelo.
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.