MATLAB用GARCH模型对股票市场收益率时间序列波动的拟合与预测

简介: MATLAB用GARCH模型对股票市场收益率时间序列波动的拟合与预测

描述

使用 garch 指定一个单变量GARCH(广义自回归条件异方差)模型。

garch 模型的关键参数包括:

  • GARCH 多项式,由滞后条件方差组成。阶数用_P_表示 。
  • ARCH多项式,由滞后平方组成。阶数用_Q_表示 。

PQ 分别是 GARCH 和 ARCH 多项式中的最大非零滞后。其他模型参数包括平均模型偏移、条件方差模型常数和分布。

所有系数都是未知(NaN 值)和可估计的。

示例: 'ARCHLags',[1 4],'ARCH',{NaN NaN} 指定 GARCH(0,4) 模型和未知但非零的 ARCH 系,滞后 14

例子

创建默认 GARCH 模型

创建默认 garch 模型对象并指定其参数值。

创建 GARCH(0,0) 模型。

garch

Md 是一个 garch 模型。它包含一个未知常数,其偏移量为 0,分布为 'Gaussian'。该模型没有 GARCH 或 ARCH 多项式。

为滞后 1 和滞后 2 指定两个未知的 ARCH 系数。

ARCH = {NN NN}

QARCH 性能更新为 2{NaN NaN}。两个 ARCH 系数与滞后 1 和滞后 2 相关联。

创建 GARCH 模型

garch 创建 模型 garch(P,Q),其中 P 是 GARCH 多项式的阶数, Q 是 ARCH 多项式的阶数。

创建 GARCH(3,2) 模型

garch(3,2)

Md 是一个 garch 模型对象。 Md的所有属性,除了 PQDistribution,是 NaN 值。默认情况下:

  • 包括条件方差模型常数
  • 排除条件平均模型偏移(即偏移为 0
  • 包括 ARCH 和 GARCH 滞后运算符多项式中的所有滞后项,分别达到滞后 QP

Md仅指定 GARCH 模型的函数形式。因为它包含未知的参数值,您可以通过 Md 和时间序列数据 estimate 来估计参数。

使用参数创建 GARCH 模型

garch 使用名称-值对参数创建 模型。

指定 GARCH(1,1) 模型。默认情况下,条件平均模型偏移为零。指定偏移量为 NaN

grch('GRCHas',1,'CHLas',1,'Oset',aN)

Md 是一个 garch 模型对象。

由于 Md包含 NaN 值, Md仅适用于估计。将 Md时间序列数据传递给 estimate.

创建具有已知系数的 GARCH 模型

创建一个具有平均偏移量的 GARCH(1,1) 模型,

yt=0.5+εt,

其中 εt=σtzt,

σ2t = 0.0001 + 0.75σ2t − 1 + 0.1ε2t − 1,

zt 是一个独立同分布的标准高斯过程。

garh('Conant',00001,'GACH',0.75,...
    'AR H ,0.1,'Ofet'0.5)

访问 GARCH 模型属性

创建 garch 模型对象。

garch(3,2)

从模型中删除第二个 GARCH 项。即,指定第二个滞后条件方差的 GARCH 系数为 0

GAH{2} = 0

GARCH 多项式有两个未知参数,分别对应滞后 1 和滞后 3。

显示扰动的分布。

Ditiuton

扰动是均值为 0 且方差为 1 的高斯扰动。

指定基础 IID 扰动具有  五个自由度的_t_分布。

dl.Dirbton = trut('Nme','t','DF',5)

指定第一个滞后的 ARCH 系数为 0.2,第二个滞后的 ARCH 系数为 0.1。

ACH = {0.2 0.1}

要估计残差的参数,您可以将Md数据传递 给 estimate 指定的参数并将其用作等式约束。或者,您可以指定其余的参数值,然后通过将完全指定的模型分别传递给simulate 或 来模拟或预测 GARCH 模型的条件方差 forecast

估计 GARCH 模型

将 GARCH 模型拟合到 1922-1999 年股票收益率的年度时间序列。

加载 Data数据集。绘制收益率 ( nr)。

RN;
fiure;
plot(daes,nr;
hod n;
pot(\[dtes(1) dtes(n

收益序列似乎具有非零条件平均偏移,并且似乎表现出波动聚集。也就是说,较早年份的变异性小于晚年的变异性。对于此示例,假设 GARCH(1,1) 模型适用于该序列。

创建 GARCH(1,1) 模型。默认情况下,条件平均偏移为零。要估计偏移量,请将其指定为 NaN

garh('GCHags',1,'ARHLgs',1,'Ofst',Na);

将 GARCH(1,1) 模型拟合到数据。

eimae(dl,r);

Est是一个完全指定的 garch 模型对象。也就是说,它不包含 NaN 值。您可以通过使用 生成残差infer,然后对其进行分析来评估模型的充分性 。

要模拟条件方差或序列,请传递 Estsimulate

要预测分布,请 Est转到 forecast.

模拟 GARCH 模型观察序列和条件方差

从完全指定的garch 模型对象模拟条件方差或序列路径 。也就是说,从估计garch 模型或已知 garch 模型(您在其中指定所有参数值)进行模拟 。

加载 Data 数据集。

RN;

创建具有未知条件平均偏移量的 GARCH(1,1) 模型。将模型拟合到年度收益序列。

gach('GCHLgs',1,ARCLgs',1,Ofet',Na);
Est = esiae(Mnr);

从估计的 GARCH 模型模拟每个时期的 100 条条件方差和序列路径。

mOb = nul(n); % 样本大小(T)
nuths = 100;     % 要模拟的路径数
rg(1);             % 用于重现
\[Vim,Sm\] = simae(EMdl,nuOs,NumPts,umPts);

VSimYSimT-by- numPaths 矩阵。行对应一个采样周期,列对应一个模拟路径。

绘制模拟路径的平均值以及 97.5% 和 2.5% 的百分位数。将模拟统计数据与原始数据进行比较。

Var = men(Vim,2);
VSI = quntie(Vi,\[0.025 0.975\],2);
Ymar = man(YSm,2);
YCI = qatle(Sim,\[0.025 0.975\],2);
pot(ae,im,);
hld on;
h2 = plt(des,Viar);
h =plo(ats,VSiCI,
hld off;

预测 GARCH 模型条件方差

从完全指定的garch 模型对象预测条件方差 。也就是说,根据估计garch 模型或garch 您指定所有参数值的已知 模型进行预测 。

加载 Data 数据集。

RN;

创建具有未知条件平均偏移量的 GARCH(1,1) 模型,并将该模型拟合到年度收益率序列。

dl = grh('GCas',1,'AHas',1,'Ofet',aN);
Edl = esate(dl,r);

使用估计的 GARCH 模型预测未来 10 年收益率序列的条件方差。将整个收益系列指定为样本前观察。软件使用样本前观测值和模型推断样本前条件方差。

numPeiods = 10;
F = foeast(EtMdl,uPes,nr);

绘制名义收益的预测条件方差。将预测与观察到的条件方差进行比较。

fgure;
pot(dtes);
hld n;
pot(dts(ed):ds(ed) + 10,\[v(nd);vF\]);

参考

[1] Tsay,_金融时间序列的_RS _分析_。第 3 版。John Wiley & Sons, Inc.,2010 年。


相关文章
|
4天前
|
机器学习/深度学习 算法 数据挖掘
基于GWO灰狼优化的CNN-LSTM-Attention的时间序列回归预测matlab仿真
摘要: 本文介绍了使用matlab2022a中优化后的算法,应用于时间序列回归预测,结合CNN、LSTM和Attention机制,提升预测性能。GWO算法用于优化深度学习模型的超参数,模拟灰狼社群行为以求全局最优。算法流程包括CNN提取局部特征,LSTM处理序列依赖,注意力机制聚焦相关历史信息。GWO的灰狼角色划分和迭代策略助力寻找最佳解。
|
4天前
|
算法 计算机视觉 异构计算
基于肤色模型的人脸识别FPGA实现,包含tb测试文件和MATLAB辅助验证
这是一个关于肤色检测算法的摘要:使用MATLAB 2022a和Vivado 2019.2进行测试和仿真,涉及图像预处理、RGB到YCbCr转换、肤色模型(基于阈值或概率)以及人脸检测。核心程序展示了如何读取图像数据并输入到FPGA处理,通过`tops`模块进行中值滤波、颜色空间转换及人脸检测,最终结果输出到"face.txt"。
|
4天前
|
数据安全/隐私保护
matlab程序, 脉冲波合成与提取,滑冲效应、方向性效应,自定义脉冲模型,提取脉冲波
地震波格式转换、时程转换、峰值调整、规范反应谱、计算反应谱、计算持时、生成人工波、时频域转换、数据滤波、基线校正、Arias截波、傅里叶变换、耐震时程曲线、脉冲波合成与提取、三联反应谱、地震动参数、延性反应谱、地震波缩尺、功率谱密度
|
4天前
|
数据安全/隐私保护
matlab生成拟合规范谱的人工波,生成人工地震波,拟合自定义加速度反应谱,生成人工地震波
地震波格式转换、时程转换、峰值调整、规范反应谱、计算反应谱、计算持时、生成人工波、时频域转换、数据滤波、基线校正、Arias截波、傅里叶变换、耐震时程曲线、脉冲波合成与提取、三联反应谱、地震动参数、延性反应谱、地震波缩尺、功率谱密度
|
4天前
|
算法 调度
考虑需求响应的微网优化调度模型【粒子群算法】【matlab】
考虑需求响应的微网优化调度模型【粒子群算法】【matlab】
|
4天前
|
算法 调度 SoC
电动汽车充放电V2G模型(Matlab代码)
电动汽车充放电V2G模型(Matlab代码)
|
4天前
|
算法
考虑区域多能源系统集群协同优化的联合需求侧响应模型(matlab代码)
考虑区域多能源系统集群协同优化的联合需求侧响应模型(matlab代码)
|
4天前
|
供应链 算法
市场模式下光伏用户群的电能共享与需求响应模型(matlab代码)
市场模式下光伏用户群的电能共享与需求响应模型(matlab代码)
|
4天前
|
调度
储能参与调峰调频联合调度模型(matlab代码)
储能参与调峰调频联合调度模型(matlab代码)
|
4天前
|
调度 SoC
【MPC|云储能】基于模型预测控制(MPC)的微电网调度优化的研究(matlab代码)
【MPC|云储能】基于模型预测控制(MPC)的微电网调度优化的研究(matlab代码)

热门文章

最新文章