Calcula el pronóstico de la media condicional fuera de la muestra.
Sintaxis
Sigmas son los datos de las series de tiempo univariante (una matriz de celdas unidimensional (Ej. Filas o columnas)) de la última volatilidad q realizada.
Orden es el tiempo en la series de datos (Ej. el primer punto corresponde a la fecha (la fecha más temprana fecha=1 (por defecto), la última fecha=0).
| Orden | Descripción |
|---|---|
| 1 | ascendente (el primer punto corresponde a la fecha más temprana (por defecto) |
| 0 | descendente (el primer punto corresponde a la última fecha) |
mean es la media del modelo E-GARCH (Ej. mu). Si falta, se asume el 0 por defecto.
alfas son los parámetros del componente de modelo ARCH (p) (comenzando con el lag más bajo).
gamas son los parámetros de apalancamiento (comenzando con el lag más bajo).
betas son los parámetros del modelo componente GARCH(q)(comenzando con el lag más bajo).
innovación es la probabilidad del modelo de distribución para los residuos/innovaciones (Gaussian (por defecto), 2= t- Distribución, 3=GED).
| valor | Descripción |
|---|---|
| 1 | Distribución normal o Gaussiana (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 probabilidad de las innovaciones/residuales.
T es el pronóstico de tiempo/horizonte (expresado en términos de los pasos siguientes al final de las series de tiempo).
Type Es un interruptor entero para seleccionar el tipo de salida del pronóstico: (1=mean (por defecto), 2=Std. Error, 3=Term Struct, 4=LL, 5=UL)
| Valor | Descripción |
|---|---|
| 1 | Valor Medio del pronóstico (por defecto) |
| 2 | Error estándar del pronóstico (también conocido como volubilidad local) |
| 3 | Estructura de período de volatilidad |
| 4 | Límite inferior del intervalo de confianza previsto. |
| 5 | Límite superior del intervalo de confianza previsto. |
alfa es el nivel de significado estadístico. Si éste hace falta, se asumirá un 5% por defecto.
Observaciones
- El modelo subyacente se describe aquí.
- Las series de tiempo son homogéneas e igualmente espaceadas.
- La series de tiempo pueden incluir valores faltantes (Ej. #N/A) en cada extremo
- El número de coeficientes gama debe coincidir con el número de coeficientes alfa.
- El número de parámetros en los argumentos de entrada - alfa - determina el orden del modelo de componentes ARCH.
- El número de parámetros en los argumentos de entrada - beta - determina el orden del modelo de componentes GARCH.
- Por definición, la función EGARCH_FORE devuelve un valor constante igual a la media del modelo (Ej. $\mu$)para todos los horizontes.
Ejemplos
Ejemplo 1:
|
|
| Fórmula | Descripción (Resultado) | |
|---|---|---|
| =EGARCH_FORE($B$2:$B$32,1,$D$3,$D$4:$D$5,$D$6,$D$7,1) | media condicional pronosticada en T+1 (-0.266) | |
| =EGARCH_FORE($B$2:$B$32,1,$D$3,$D$4:$D$5,$D$6,$D$7,2) | media condicional pronosticada en T+2 (-0.266) |
Ejemplos de archivos
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.