GARCH_VL - Volatilidad a largo plazo GARCH

Calcula el promedio a largo plazo de la volatilidad para el modelo GARCH dado.

Sintaxis

Alphas

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

Betas

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

Innovation

es la función de distribución de probabilidad de los resíduos/innovations (1 = Gaussiana (por defecto), 2 = t-Distribución, 3 = GED).

Valor	Innovation
1	Distribucion Normal o Gaussiana (por defecto).
2	Distribución t del estudiante.
3	Distribución de error Generalizada (GED).

v

es la factor de la forma (o grados de libertad)de los resíduos/innovations de la función de distribución de probabilidad.

Observaciones

1. El modelo subyacente se describe aquí.
2. La varianza a largo plazo del proceso GARCH es definido como: $$\sigma_{\infty}^2 \rightarrow V_L=\frac{\alpha_o}{1-\sum_{i=1}^{max(p,q)}\left(\alpha_i+\beta_i\right)}$$
3. La varizanza de largo plazo no es afectada por nuestra escogencia de distribución de choques/innovations.
4. El número de parámetros en el argumento de entrada - alpha - determina el orden del modelo componente ARCH.
5. El número de parámetros en el argunmento de entrada - beta - determina el orden del modelo componente ARCH.

Ejemplos de archivos

Enlaces Relacionados

• Wikipedia - Autoregressive conditional heteroskedasticity.

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.