GARCHM_AIC - El Criterio de Información de Akaike (AIC) para GARCH-M

Calcula el criterio de información (AIC) de un modelo GARCH-M estimado dado (con correlaciones para pequeños tamaños de muestra).

Sintaxis

GARCHM_AIC ([x], orden, µ, λ, [α], [β], f, ν)

[X]

Obligatorio. Es la serie de datos de tiempo univariante (un array dimensional de celdas (Ej. filas o columnas)).

Orden

Opcional. Es el orden de tiempo en la serie de datos. (Ej. el primer punto corresponde a la fecha (la más temprana fecha = 1 (por defecto), la más tarde fecha = 0)).

Valor	Orden
1	Ascendente (el primer punto corresponde a la fecha menor) (por defecto).
0	Descendiente (el primer punto corresponde a la fecha mayor).

µ

Opcional. Es la media del modelo GARCH (Ej.mu). Si falta, la media es asumida como cero.

λ

Opcional. Es la media del coeficiente de volatilidad. En finanzas, lambda hace referencia a una prima de riesgo. Si falta, un 0 por defecto es asumido.

[α]

Obligatorio. Son los parámetros de la modelo de componentes ARCH(p): [α1, α2 … αp] (comenzando con el lag más bajo).

[β]

Opcional. Son los parámetros de la modelo de componentes GARCH(q): [β1, β2 … βq] (comenzando con el lag más bajo).

F

Opcional. Es la función de distribución de probabilidad de los residuos/innovaciones (1 = Gaussiana (por defecto), 2 = t-Distribución, 3 = GED).

Valor	Distribución de Probabilidad
1	Distribución Normal o Gaussiana (por defecto).
2	Distribución t del Estudiante.
3	Distribución de Error Generalizada (DEG).

ν

Opcional. Es el factor de la forma (o grados de libertad) de los residuos/innovaciones de la función de distribución de probabilidad.

Observaciones

1. El modelo subyacente se describe aquí.
2. Criterio de Información de Akaike (AIC) se describe aquí.
3. Las series de tiempo es homogénea e igualmente espaciada.
4. Las series de tiempo pueden incluir valores faltantes (Ej. #N/A) en cada extremo.
5. Dado un conjunto de datos fijos, muchos modelos competentes clasifican de acuerdo a su AIC, el modelo con el menor AIC es el mejor.
6. El modelo GARCH-M (p, q) con Gaussiano tiene p+q+3 parámetros estimados.
7. Los números de los parámetros en el argumento de entrada - [α_1, α₂ … α_p] - determina el orden del componente del modelo ARCH.
8. Los números de los parámetros en el argumento de entrada - [β_1, β₂ … β_q] - determina el orden del componente del modelo GARCH.

Ejemplos de archivos

Enlaces Relacionados

• Wikipedia - Criterio de información de Akaike.
• Wikipedia - Modelo autorregresivo con heterocedasticidad condicional.

Referencias

• James Douglas Hamilton; Análisis de series de tiempo; Princeton University Press; 1st edition (Jan 11, 1994), ISBN: 691042896.
• Tsay, Ruey S.; Analysis of Financial Time Series; John Wiley & SONS; 2nd edition (Aug 30, 2005), ISBN: 0-471-690740.