GARCH_CALIBRATE - Valores óptimos para los parámetros del modelo

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

  1. El modelo subyacente se describe aquí.
  2. Las series de tiempo son homogéneas e igualmente espaceadas
  3. Las series de tiempo pueden incluir valores faltantes (Ej. #N/A) en cada extremo
  4. 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

Referencias

¿Tiene más preguntas? Enviar una solicitud

0 Comentarios