Computa la función de log-verosimilitud para el modelo ajsutado.
Sintaxis
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
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
0 Comentarios