Cálcula la salida el pronosticada de la media condicional.
Sintaxis
X son los datos de series de tiempo univariante (una matriz/array dimensional de celdas (Ej. filas o columnas)).
Sigmas son los datos de series de tiempo univariante (una matriz unidimensional 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). Si falta un defecto de 0 es asumido.
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 la forma del parámetro (o grados de libertad) de la función de distribución de la probabilidad de los residuales.
T es el tiempo/horizonte del pronóstico (expresado en terminos de pasos más allá de las series de tiempo). Si falta, un defecto de 1 es asumido.
Type es un número entero para seleccionar el tipo de salida de pronóstico: (1=media (defecto), 2=Error Estandar, 3=Estructura Temporal, 4=Limite Inferior, 5=Limite Superior)
| Orden | Descripción |
|---|---|
| 1 | Valor del pronóstico de la media (defecto) |
| 2 | Error estándar pronosticado (volatilidad local aka) |
| 3 | Estructura temporal de volatilidad |
| 4 | Limite inferior del pronóstico del intervalo de confianza. |
| 5 | Limite superior del pronóstico del intervalo de confianza. |
alpha es el nivel de significancia estadística. Si falta, un defecto de 5% 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.
- Es el número de parámetros en los argumentos de entrada - alpha - determina el orden del modelo componente ARCH.
- Es el número de parámetros en los argumentos de entrada - beta - determina el orden del modelo componente ARCH.
- Por definición, la función GARCH_FORE devuelve un valor constante igual a la media del modelo (Ej. $\mu$)para todos los horizontes
Ejemplos
Ejemplo 1:
|
|
| Fórmula | Descripción (Resultado) | |
|---|---|---|
| =GARCH_FORE($B$2:$B$32,1,$D$3,$D$4:$D$5,$D$6,1) | Media condicional pronosticada en T+1 (-0.160) | |
| =GARCH_FORE($B$2:$B$32,1,$D$3,$D$4:$D$5,$D$6,2) | Media condicional pronosticada en T+2 (-0.160) | |
| =GARCH_FORE($B$2:$B$32,1,$D$3,$D$4:$D$5,$D$6,3) | Media condicional pronosticada en T+3 (-0.160) |
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.