R语言GARCH-DCC模型和DCC(MVT)建模估计

R语言GARCH-DCC模型和DCC(MVT)对股市动态相关性建模估计

这个简短的演示说明了使用rmgarch软件包的DCC模型及其方法的使用,尤其是在存在MVT分布形状参数的情况下进行2级DCC估计的另一种方法。

由Kaizong Ye,Sherry Deng撰写

第一阶段并将其传递给dccfit

 cl = makePSOCKcluster(10)

multf = multifit(uspec, Dat, cluster = cl)

接下来,估计DCC模型。

fit1 = dccfit(spec1, data = Dat, fit.control = list(eval.se = TRUE), fit = multf, cluster = cl)  

为了在实践中拟合DCC(MVT)模型,要么假定第一阶段的QML,要么必须在阶段中共同估算共同的形状参数。在下面的示例中,一种替代方法用于估计近似共同形状参数。

似然度和形状参数变化的图表明,只需几次迭代即可收敛到稳定值。


视频

时间序列分析模型 ARIMA-ARCH GARCH模型分析股票价格数据

探索见解

去bilibili观看

探索更多视频

shape参数的值表示峰度为1.06。对非对称DCC(MVT)模型重复进行拟合。

xspec = ugarchspec(mean.model = list(armaOrder = c(1,1)), 
variance.model = list(garchOrder = c(1,1), 
model = "eGARCH"),  distribution.model = "norm")

 

下表显示了估算模型的摘要,系数旁边的星号表示显着性水平(*** 1%,** 5%,* 10%)。

##           DCC-MVN   aDCC-MVN    DCC-MVL   aDCC-MVL      DCC-MVT     aDCC-MVT
## a      0.00784*** 0.00639*** 0.00618***  0.0055***   0.00665***    0.00623***
## b      0.97119*** 0.96956*** 0.97624*** 0.97468***   0.97841***    0.97784***
## g                    0.00439               0.00237                 0.00134
## shape                                                9.63947***    9.72587***
## LogLik      22812      22814      22858      22859        23188         23188

下图表说明了来自不同模型的一些动态相关性:

终止集群对象:

stopCluster(cl)

可下载资源

关于作者

Kaizong Ye拓端研究室(TRL)的研究员。

本文借鉴了作者最近为《R语言数据分析挖掘必知必会 》课堂做的准备。

​非常感谢您阅读本文,如需帮助请联系我们!

 
QQ在线咨询
售前咨询热线
15121130882
售后咨询热线
0571-63341498

关注有关新文章的微信公众号


永远不要错过任何见解。当新文章发表时,我们会通过微信公众号向您推送。

技术干货

最新洞察

This will close in 0 seconds