如何在 R 中找到 ARMA(1,1) - MCsGARCH(1,1) 模型的预期日内回报？
问问题
771 次
1 回答
0
我认为你在这里混淆了一些东西。没有“预期的日内回报”，对于 ARMA(1,1) - MCsGARCH(1,1)，只有对下一个时期/日的波动率的估计（sigma，正如您在评论中已经注意到的那样）。
我假设您指的是您提供的网站上的最后一个图，这意味着您想知道使用估计过程中的波动率计算的 VaR（风险价值）。
如果您查看用于提供绘图的代码：
D = as.POSIXct(rownames(roll@forecast$VaR))
VaRplot(0.01, actual = xts(roll@forecast$VaR[, 3], D), VaR = xts(roll@forecast$VaR[,1], D))
您可以看到从 object 获取的 VaR（和收益）roll。运行模拟后（不更改示例中的任何变量名称），您可以将它们存储在一个变量中以供以后使用，如下所示：
my_VaR = roll@forecast$VaR[, 1]
my_act = roll@forecast$VaR[, 3]
VaR, 1]VaR 的第一个列表元素在哪里。如果你检查str(roll)你最后看到的东西，那就是：
- 元素 1：代表 alpha(1%) VaR
- 元素 2：代表 alpha(5%) VaR 和
- 要素3：代表已实现回报。
要解决您在评论中所说的内容：
查看变量df（从 生成as.data.frame(roll)，可能包括您要查找的内容。
我想比较预期回报和实际回报。
这似乎更倾向于 Cross Validated，但我会尝试给出一个简短的概述。
GARCH 模型主要用于波动率预测和了解时间序列的波动率动态（和/或多元模型中的相关动态）。现在，由于方差是二阶矩，转换为平方，它总是正的。但是回报总是积极的吗？当然不是。这意味着波动率预测让我们了解了下一个时期的回报幅度，但那时我们不知道它是正回报还是负回报。这就是风险价值（VaR）发挥作用的时候。
以拥有一项资产的投资组合经理为例。使用 GARCH 模型，他可以预测下一个时期的波动性（假设他使用每日收益序列，那么就是明天）。交易者关注他们投资组合的风险，它比潜在机会受到更密切的监控。因此，通过波动率预测，他可以很好地猜测他的资产明天会贬值的风险。假设 1,000 欧元的 95%-VaR 意味着，以 95% 的概率，明天的风险（或损失）不会超过 1,000 欧元。更高的概率伴随着更少的确定性，因此 99%-VaR 会更高，例如 1,500 欧元。
总结一下：没有“预期的”回报，只有明天的波动预测，它给出了明天回报的倾向（永远不确定）。借助 VaR，这可用于风险管理。这就是您提供的文章最后一部分所做的。
ugarchsim和roll函数有什么区别？
您可以查看rugarch 包的文档，其中对每个函数及其属性进行了更详细的解释。ugarchsim如果您想将模型拟合到完整的时间序列，我会说是快速浏览。最后一个标准差就是下一个时期的预测。的文档ugarchroll说：
ugarchroll-methods {rugarch} 函数：单变量 GARCH 滚动密度预测和回测
描述
从 ARMA-GARCH 模型创建滚动密度预测的方法，该模型可以选择使用并行功能每 n 个周期重新拟合一次。也用于预测和回测。
这是如果您想测试您的模型过去的表现。它只需要例如提供的前 300 个数据点并给出数据点 301 的预测。然后将 VaR（95% 或 99%）与数据点 301 的已实现回报进行比较。然后重新调整模型，对数据点 302 进行预测等等等等。
编辑：添加了评论中问题的答案。
于 2017-07-19T12:47:00.490 回答