EGARCH_VL - Volatilidad a largo plazo EGARCH

alphas son los parámetros del componente de modelo ARCH (p) (comenzando con el lag más bajo).

betas son los parámetros del modelo componente GARCH(q)(comenzando con el lag más bajo).

innovation es la probalilidad del modelo de distribución para los residuos/innovations (Gaussian (por defecto), 2= t- Distribución, 3=GED).

v es la forma del parámetro (o grados de libertad) de la función de distribucion de probailidad de residuos/innovations

1. El modelo subyacente se describe aquí.
2. La varianza de los logaritmos promedio a largo plazo de EGARCH es definida como: $$\ln V_L=\frac{\alpha_o+\eta \times \sum_{i=1}^p\alpha_i}{1-\sum_{j=1}^q\beta_j}$ $Donde:
   
   • Choques Gaussianos distribuidos:$$\eta=\sqrt{\frac{\pi}{2}}$$
   • Choques GED distribuidos.$$\eta=\frac{\Gamma(2/\nu )}{\sqrt{\Gamma(1/\nu)\times\Gamma(3/\nu)}}$ $
   • Choques de distribución t del estudiante.$$\eta=\frac{\sqrt{\nu-2}\times\Gamma(\frac{\nu-1}{2})}{\sqrt{\pi}\times\Gamma(\frac{\nu}{2})}$$
3. La series de tiempo son homogéneas e igualmente espaceadas.
4. El número de coeficientes gamma debe coincidir con el número de coeficientes alpha.
5. El número de parámetros en los argumentos de entrada - alpha - determina el orden del modelo de componentes ARCH.
6. El número de parámetros en los argumentos de entrada - beta - determina el orden del modelo de componentes GARCH.
7. EGARCH_CHECK examina los coeficientes del modelo para:
   
   • Los coeficientes son todos positivos

Ejemplo 1:

Ejemplos de archivos

Enlaces Relacionados

• Wikipedia - Autoregressive conditional heteroskedasticity

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