GARCH - Definición de un modelo GARCH

Devuelve una cadena única para designar el modelo específico de GARCH.

Sintaxis

GARCH(mean, alphas, betas, Innovation, v)

mean

es la media del modelo GARCH (Ej.mu).

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 (DEG).

v

es la factor de la forma (o grados de libertad) de los resíduos/innovations de la función de distribución de probabilidad.

Observaciones

1. El modelo subyacente se describe aquí.
2. La media a largo plazo puede tener cualquyier valor o ser omitifo, en ese caso, un valor cero es asumido.
3. Para el argumento de entrada- alpha (parámetros de componente ARCH):
   • El argumento de entrada no es opcional.
   • El valor en el primer elemento debe ser positivo.
   • El valor de los parámetros comienza con el lag más bajo.
   • Uno o más parámetros pueden ser valores faltantes o codigos de error(Ej. #NUMERO!, #VALOR!, etc.).
   • En el caso donde alpha tenga un primer elemento de entrada no faltante, no se incluye el componente ARCH.
   • El orden del modelo componente ARCH es solamente determindado por el orden (menos uno) del último valor en una matriz con un valor numerico (vs. faltante o error).
4. Para el argumento de entrada- beta (parametros del componente GARCH):
   • El argumento de entrada es opcional y pude ser omitido, es ese caso el componente GARCH no es incluido.
   • El orden de los parámetros comienzan con el lag más bajo.
   • Uno o más parámetros pueden tenr valores faltantes o errores de código (Ej. #NUMERO!, #VALUOR!, etc.).
   • El orden del modelo componente GARCH es unicamente determinado por el orden del último valor en la matriz con un valor numérico (vs. faltante o error).
5. La forma del parámetro (Ej. nu) es unicamente usada para la distribución no Gaussiana y es de otra forma es ignorada.
6. Para la distribución t del estrudiante, el valor el parámetro de la forma debe ser mayor a cuatro.
7. Para la distribución GED, el valor del parámetro de la forma debe ser mayor que uno.

Ejemplos de archivos

Enlaces Externos

• 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.