发帖
雷达卡
《地缘政治风险与原油波动率预测研究》
Liu, J., Ma, F., Tang, Y., & Zhang, Y. (2019). Geopolitical risk and oil volatility: A new insight. Energy Economics, 84, 104548. https://doi.org/10.1016/j.eneco.2019.104548
1. 使用的模型
GARCH-MIDAS 模型
2. 主要内容
研究地缘政治风险在预测原油波动率方面的作用
比较不同模型在样本外预测和经济收益方面的表现
进行了大量稳健性检验
3. 主要结论
直接加入GPR的GARCH-MIDAS-GPR模型并不能显著提高预测精度
加入GPRS的GARCH-MIDAS-GPRS模型在预测精度和经济收益方面都显著优于其他模型
严重地缘政治风险(高于阈值的GPR)包含了有用的原油波动率预测信息
建议投资者和政策制定者更多关注严重地缘政治事件和风险,而不是一般的地缘政治风险
【代码】
- library(MicoveyGARCHMidas)
- data0 <- read.csv("return.csv")
- data1 <- read.csv("EPU.csv")
- merged_data = mergedata(data0,data1,NAMES0,NAMES1)
- #描述性统计
- stats <- descriptive_statistics(data0[,-1,drop=FALSE])
- write.xlsx(stats, "descriptive_statistics1.xlsx")
- # ADF检验
- adf = ADFTest(data0[,-1,drop=FALSE])
- write.xlsx(adf, "adf_test1.xlsx", rowNames = TRUE)
- # 自相关检验
- auto = AutoTest(data0[,-1,drop=FALSE])
- write.xlsx(auto, "Autocorrelation_test1.xlsx", rowNames = TRUE)
- #################GARCH-MIDAS
- x1 = NAMES1[2]
- x2 = "RV"
- K1 = 12
- K2 = 12
- y = NAMES0[2]
- fit = MIDAS(merged_data,y,x1,x2,K1,K2)
- colors <- c(rgb(red = 0.33, green = 0.33, blue =0.66, alpha = 0.4),
- rgb(red = 0.33, green = 0.66, blue = 0.63, alpha =0.4),
- rgb(red = 0.66, green = 0.33, blue = 0.33, alpha = 0.4))
- arr = c(2,3)
- yl = c(0,15)
- plot_area(fit,data0,colors,arr,yl)
- colors <- c(rgb(red = 0.33, green = 0.33, blue =0.66),
- rgb(red = 0.33, green = 0.66, blue = 0.63),
- rgb(red = 0.66, green = 0.33, blue = 0.33))
- plot_line(fit,data0,colors,arr,yl)
【获取方式】
留下邮箱，免费分享。
京公网安备 11010802022788号
