Computa la máxima verosimilitud estimada (MLE) de los parámetros del modelo.
Sintaxis
GARCH_CALIBRATE(X, Order, Model, Mask, Method, maxIter)
- X
- son los datos de series de tiempo univariante (una matriz/array dimensional de celdas (Ej. filas o columnas)).
- Order
- el la orden de tiempo en la series de datos (Ej. el primer punto corresponde a la fecha ( la más temprana fecha=1 (por fecto), la última fecha=0)).
Orden Descripción 1 ascendente (el primer punto de datos corresponde la más temprana fecha=1 (por fecto) 0 descendente (el primer punto de datos corresponde a la última fecha) - Model
- el la matriz que representa el modelo GARCH (una matriz unidimensional de celdas (Ej. filas o columnas)) (Ver la función GARCH).
- Mask
- es un array de 0's y 1's para especificar cuales parámetros van a ser calibrados. Si faltan, todos los parámetros están incluidos en la calibración.
- Method
- es la calibración/método de ajuste (1=MLE, 2=Bayesian). Si falta , una máxima verosimilitud estimada (MLE)es asumida.
Método Descripción 1 Maxima verosimilitud estimada (MLE) 2 Bayesiana - maxIter
- es el máximo número de iteraciones usadas para calibrar el modelo. Si falta, el defecto máximo de 100 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
- La máxima estimación de verosimilituid (MLE) es un método estadístico para ajustar un modelo a los datos y provee 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.