I. 4. Feltételes szórás: GARCH modellek - c. Illesztés Matlabban (2)

Zhrnutie prednášky

Prednáška pokračuje praktickým odhadom podmienenej volatility v Matlabe a výberom modelov z radu GARCH. Postupne sa porovnáva normálne rozdelenie s asymetrickým Studentovým t-rozdelením, ktoré sa fituje lepšie (nižšie informačné kritérium). Pridanie ďalšieho oneskoreného člena neprinieslo nič nové, keďže jeho parameter bol takmer nulový. Následne sa skúšajú rôzne rády (1,1; 2,1; 2,2), varianty GJR, APARCH a EGARCH s normálnym aj Studentovým rozdelením, spolu 15 modelov. Na výber sa počíta BIC a pre rezíduá sa používa ARCH test na zvyšnú heteroskedasticitu (hladina 0,05). Vyhovujú len štyri modely, pričom v konkurencii zostávajú modely 5 až 8.

• - Asymetrické Studentovo t-rozdelenie sa fituje lepšie ako normálne (nižšia hodnota informačného kritéria).
• - Pridanie ďalšieho oneskoreného člena nemalo pridanú hodnotu, parameter beta vyšiel približne nulový.
• - Vyšší rád modelu nad GARCH(1,1) či (2,2) sa zvyčajne neoplatí, najmä pri APARCH.
• - Skúšali sa varianty GARCH, GJR, APARCH a EGARCH s normálnym a Studentovým rozdelením chýb.
• - Selekcia spočíva vo výpočte BIC a ARCH testu štandardizovaných rezíduí na zvyškovú heteroskedasticitu (p-hodnota nad 0,05).
• - Do úvahy prichádzajú len štyri modely, ostatné sú nevyhovujúce; vo finále zostávajú modely 5 až 8.

Zhrnutie pripravené s pomocou AI z prepisu videa.