此示例顯示MATLAB如何從復(fù)合條件均值和方差模型預(yù)測 和條件差異。

步驟1加載數(shù)據(jù)并擬合模型?

加載工具箱附帶的納斯達(dá)克數(shù)據(jù)。將條件均值和方差模型擬合到數(shù)據(jù)中。

nasdaq = DataTable.NASDAQ;

r = price2ret(nasdaq);

N = length(r);

model = arima('ARLa gs' 1,'Variance',garch(1,1),...

'Distrib ution','t');

fit = estimate(mode ,r,'Variance0',{'Constant0',0.001});

ARIMA(1,0,0) Model (t Distribution):

Value StandardError TStatistic PValue

_________ _____________ __________ __________

Constant 0.0012326 0.00018163 6.786 1.1528e-11

AR{1} 0.066389 0.021398 3.1026 0.0019182

DoF 14.839 2.2588 6.5693 5.0539e-11

GARCH(1,1) Conditional Variance Model (t Distribution):

Value StandardError TStatistic PValue

__________ _____________ __________ __________

Constant 3.4488e-06 8.3938e-07 4.1087 3.9788e-05

GARCH{1} 0.82904 0.015535 53.365 0

ARCH{1} 0.16048 0.016331 9.8268 8.6333e-23

DoF 14.839 2.2588 6.5693 5.0539e-11

[E0,V0] = infer(fit,r);

第2步預(yù)測收益和條件差異?

使用forecast計(jì)算回報(bào)狀語從句：條件方差為1000周期的未來視界的MMSE預(yù)測。使用觀察到的回報(bào)和推斷殘差以及條件方差作為預(yù)采樣數(shù)據(jù)。

[Y,YMS E,V] = forecast(fit, 100 0,'Y 0',r,'E0', E0, 'V0' ,V0);

upper = Y + 1.96*sqrt(YMSE);

lower = Y - 1.96*sqrt(YMSE);

figure

subplot(2,1,1)

plot(r,'Color',[.75,.75,.75])

hold on

plot(N+1:N+1000,Y,'r','LineWidth',2)

plot(N+1:N+1000,[upper,lower],'k--','LineWidth',1.5)

xlim([0,N+1000])

title('Forecasted Returns')

hold off

subplot(2,1,2)

plot(V0,'Color',[.75,.75,.75])

hold on

plot(N+1:N+1000,V,'r','LineWidth',2);

xlim([0,N+1000])

title('Forecasted Conditional Variances')

hold off

條件方差預(yù)測收斂于GARCH條件方差模型的漸近方差。預(yù)測的收益收斂于估計(jì)的模型常數(shù)（AR條件均值模型的無條件均值）。

轉(zhuǎn)載于:https://www.cnblogs.com/tecdat/p/9373539.html

總結(jié)

以上是生活随笔為你收集整理的matlab预测ARMA-GARCH 条件均值和方差模型的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。