(obsoleto) Devuelve los límites del intervalo de confianza del pronostico de la media condicional.
Sintaxis
GARCH_FORECI(X, Sigmas, Order, mean, alphas, betas, innovation, Nu, T, alpha-level, upper)
- X
- son los datos de series de tiempo univariante (una matriz/array dimensional de celdas (Ej. filas o columnas)).
- Sigmas
- son los datos de la series de tiempo univariante (una matriz unidemensional de celdas (Ej. Filas o columnas)) de las ultimas volatilidades q realizadas.
- 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) - mean
- es la media del modelo GARCH (Ej.mu).
- 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 Descripción 1 Distribucion Normal o Gaussiana (por defecto) 2 Distribución t del estudiante 3 Distribución de error Generalizada (GED) - Nu
- es el parámetro de la forma (o grados de libertad) de la función de distribución de la probabilidad de los residualesof the innovations/residuals probability distribution function.
- T
- es el tiempo/horizonte (expresado en términos de pasos más allá del final de la series de tiempo).
- alpha-level
- es el nivel de significancia estadistica. Si falta, un defecto de 5% es asumido.
- upper
- Si es verdad, decuelve el limite superior del intervalo de confianza. De otra manera, devuelve el límite inferior.
superior descripción 0 devuelve el límite inferior 1 devuelve el límite superior
Atención
La función GARCH_FORECI() de la version 1.63 es obsoleta: use en su lugar la función GARCH_FORE.
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.
- El nivel de significancia (Ej. $\alpha$) debe ser mayor a cero y menor a uno.De otra manera, se deveuelve un #VALOR!
- El número de pasos debe ser mayor a cero. De otra forma, devuelve un #VALOR!
Ejemplos
Ejemplo 1:
|
|
Fórmula | Descripción (Resultado) |
---|---|
=GARCH_FORE($B$2:$B$32,1,$D$3,$D$4:$D$5,$D$6,1) | La media condicional pronosticada en T+1 (-0.160) |
=GARCH_FORECI($B$2:$B$32,1,$D$3,$D$4:$D$5,$D$6,,,1,5%,1) | Intervalo de confianza suoerior para un valor pronosticado en T+1 (1.798) |
=GARCH_FORECI($B$2:$B$32,1,$D$3,$D$4:$D$5,$D$6,,,1,5%,0) | Intervalo de confianza para el valor pronosticado en T+1 (-2.118) |
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.