GARCH_LLF - Función Log-Probabilidad GARCH

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

  1. El modelo subyacente se describe aquí.
  2. La función de probabilidad logarítmica ( LLF ) se describe aquí.
  3. Las series de tiempo son homogéneas e igualmente espaceadas
  4. Las series de tiempo pueden incluir valores faltantes (Ej. #N/A) en cada extremo.
  5. La máxima estimación de verosimilitud (MLE) es un metodo estadístico para ajustar los parámetros del modelo.
  6. El número de argumentos de entrada - alpha - determina el orden del modelo componente ARCH.
  7. El número de argumentos de entrada - beta - determina el orden del modelo componente GARCH.

Ejemplos

Ejemplo 1:

 
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
A B C D
Fecha Data    
Enero 10, 2008 -2.827 GARCH(1,1)  
Enero 11, 2008 -0.947 Mean -0.160
Enero 12, 2008 -0.877 Alpha_0 0.608
Enero 14, 2008 1.209 Alpha_1 0.00
Enero 13, 2008 -1.669 Beta_1 0.391
Enero 15, 2008 0.835    
Enero 16, 2008 -0.266    
Enero 17, 2008 1.361    
Enero 18, 2008 -0.343    
Enero 19, 2008 0.475    
Enero 20, 2008 -1.153    
Enero 21, 2008 1.144    
Enero 22, 2008 -1.070    
Enero 23, 2008 -1.491    
Enero 24, 2008 0.686    
Enero 25, 2008 0.975    
Enero 26, 2008 -1.316    
Enero 27, 2008 0.125    
Enero 28, 2008 0.712    
Enero 29, 2008 -1.530    
Enero 30, 2008 0.918    
Enero 31, 2008 0.365    
Febrero 1, 2008 -0.997    
Febrero 2, 2008 -0.360    
Febrero 3, 2008 1.347    
Febrero 4, 2008 -1.339    
Febrero 5, 2008 0.481    
Febrero 6, 2008 -1.270    
Febrero 7, 2008 1.710    
Febrero 8, 2008 -0.125    
Febrero 9, 2008 -0.940    


  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

Referencias

¿Tiene más preguntas? Enviar una solicitud

0 Comentarios