Computa la función de log-verosimilitud para el modelo ajsutado.
Sintaxis
GARCH_LLF(X, Order, mean, alphas, betas, innovation, v)
- X
- son los datos de series de tiempo univariante (una matriz/array dimensional de celdas (Ej. filas o columnas)).
- 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).
- 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
- El modelo subyacente se describe aquí.
- La función de probabilidad logarítmica ( LLF ) 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.
- La máxima estimación de verosimilitud (MLE) es un metodo estadístico para ajustar los parámetros del modelo.
- El número de argumentos de entrada - alpha - determina el orden del modelo componente ARCH.
- El número de argumentos de entrada - beta - determina el orden del modelo componente GARCH.
Ejemplos
Ejemplo 1:
|
|
Fórmula | Descripción (Resultado) |
---|---|
=GARCH_LLF(B2:B32,1,D3,D4:D5,D6,2,6) | Log-Likelihood Function for t-Distribution with freedom = 6 (-47.736) |
=GARCH_LLF(B2:B32,1,D3,D4:D5,D6,3,6) | Log-Likelihood Function for GED with freedom = 6 (-40.810) |
=GARCH_LLF(B2:B32,1,D3,D4:D5,D6) | Log-Likelihood Function for Normal Distribution (-45.007) |
=GARCH_AIC($B$2:$B$32,1,$D$3,$D$4:$D$5,$D$6) | Akaike's Information Criterion (96.013) |
=GARCH_CHECK(B2:B32,1,D3,D4:D5,D6,3,6) | GARCH(1,1) model is stable? (1) |
Ejemplos de archivos
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.