Cálcula la salida el pronosticada de la media condicional.
Sintaxis
GARCH_FORE(X, Sigmas, Order, mean, alphas, betas, innovation, Nu, T, Type, alpha)
- 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) |
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.