[问答] epoh,请再进来一下 [推广有奖]

21楼

宝笙宝姑娘 发表于 2011-12-22 21:47:12

epoh 发表于 2011-12-22 21:11
Bekk我曾用winrats写过
你也可以参考
https://bbs.pinggu.org/forum.php?mod=viewthread&tid=1256869&pa ...

(c(rep(0,6),1,rep(0,6)),c(rep(0,7),1,rep(0,5)),c(rep(0,10),1,rep(0,2)),c(rep(0,11),1,0))

这个程序里的rep是什么意思？我有点明白了

22楼

epoh 发表于 2011-12-22 22:11:31

宝笙宝姑娘发表于 2011-12-22 21:47
(c(rep(0,6),1,rep(0,6)),c(rep(0,7),1,rep(0,5)),c(rep(0,10),1,rep(0,2)),c(rep(0,11),1,0))

这个程 ...

哈哈!我说过你的底子很好
hp.ibm这组数据
我在s-plus,matlab,winrats比较过
full_bekk,系数都很接近
只是次序不同,核对比较花时间
刚要试e-views却出现错误
series cov_y1y2 = @cov(rinb-mu(1), rins-mu(2))
请问rinb,rins是啥东西

23楼

宝笙宝姑娘 发表于 2011-12-22 22:24:22

epoh 发表于 2011-12-22 22:11
哈哈!我说过你的底子很好
hp.ibm这组数据
我在s-plus,matlab,winrats比较过

rinb rins应该是两组数据的名字。我不是很肯定！

rep是为了得到这个矩阵，但是为什么4*13的这个矩阵，要定义这4个为1，还在考虑
   [,1] [,2] [,3] [,4] [,5] [,6] [,7] [,8] [,9] [,10] [,11] [,12] [,13]
[1,] 0 0 0 0 0 0 1 0 0    0    0    0    0
[2,] 0 0 0 0 0 0 0 1 0    0    0    0    0
[3,] 0 0 0 0 0 0 0 0 0    0    1    0    0
[4,] 0 0 0 0 0 0 0 0 0    0    0    1    0
>
4*13的一个矩阵，

24楼

宝笙宝姑娘 发表于 2011-12-22 22:39:51

epoh 发表于 2011-12-22 22:11
哈哈!我说过你的底子很好
hp.ibm这组数据
我在s-plus,matlab,winrats比较过

Rmat = rbind(c(rep(0,6),1,rep(0,6)),c(rep(0,7),1,rep(0,5)),c(rep(0,10),1,rep(0,2)),c(rep(0,11),1,0))
不同的约束条件似乎就是在这个命令里面决定的。具体应该怎么设定这样一个矩阵里面哪个是1呢？
[,1] [,2] [,3]
[1,] 1 0 0
[2,] 0 1 0
>
书上的例子里面，δ1=δ2=0，这个假设检验，就是用了上面那个2*3矩阵来限定的吧？
我就是不太明白这里，哪个为1，哪个为0，可以满足不同的假设？

25楼

epoh 发表于 2011-12-22 22:40:43

宝笙宝姑娘发表于 2011-12-22 22:24
rinb rins应该是两组数据的名字。我不是很肯定！

rep是为了得到这个矩阵，但是为什么4*13的这个矩阵， ...

###s-plus
module("finmetrics")
hp.ibm = seriesMerge(hp.s, ibm.s)
hp.ibm=100*hp.ibm
hp.ibm.bekk = mgarch(hp.ibm~1, ~bekk(1,1))
Coefficients:

      C(1)       0.07784
      C(2)       0.02869
   A(1, 1)       0.77672
   A(2, 1)    -0.35780
   A(2, 2)       0.46842
ARCH(1; 1, 1) 0.20543
ARCH(1; 2, 1) -0.02876
ARCH(1; 1, 2) -0.07344
ARCH(1; 2, 2) 0.41704
GARCH(1; 1, 1)  0.80790
GARCH(1; 2, 1)  0.12773
GARCH(1; 1, 2)  0.28657
GARCH(1; 2, 2)  0.69547
hp.ibm.bekk $likelihood
[1] -7468.962

######winrats
Usable Observations                   2000
Log Likelihood                   -7468.7582

Variable                      Coeff    Std Error    T-Stat    Signif
************************************************************************************
1.  Mean(1)                   0.073701779  0.050435272    1.46131  0.14392923
2.  Mean(2)                   0.031788977  0.028787684    1.10426  0.26948204
3.  C(1,1)                      0.718896194  0.140945503    5.10053  0.00000034
4.  C(2,1)                      -0.333850236  0.091419148    -3.65186  0.00026034
5.  C(2,2)                      0.489984277  0.089321811    5.48561  0.00000004
6.  A(1,1)                      0.200017152  0.039677613    5.04106  0.00000046
7.  A(1,2)                      -0.025381765  0.022778848    -1.11427  0.26516380
8.  A(2,1)                      -0.047368294  0.075102789    -0.63071  0.52822829
9.  A(2,2)                      0.414752651  0.045288498    9.15801  0.00000000
10. B(1,1)                      0.835104673  0.061876761    13.49626  0.00000000
11. B(1,2)                      0.114125144  0.041577958    2.74485  0.00605391
12. B(2,1)                      0.244698634  0.100692644    2.43015  0.01509241
13. B(2,2)                      0.708055184  0.075279022    9.40574  0.00000000
#######你提供的 e-views code 可能需要修改
               就不再列入考虑
      Coefficient       Std. Error       z-Statistic       Prob.

MU(1)       0.036854       0.050269       0.733140       0.4635
MU(2)       0.002977       0.033970       0.087635       0.9302
OMEGA(1)0.593458       0.068064       8.719083       0.0000
BETA(1)       0.908138       0.017615       51.55458       0.0000
BETA(4)       0.088965       0.023773       3.742228       0.0002
ALPHA(1)0.121647       0.016842       7.222633       0.0000
ALPHA(4)-0.417578       0.033353       -12.51991       0.0000
OMEGA(3)0.006720       1.465372       0.004586       0.9963
OMEGA(2)-0.330527       0.049419       -6.688258       0.0000
BETA(3)       0.873172       0.019343       45.14166       0.0000
BETA(2)       0.098454       0.013559       7.260958       0.0000
ALPHA(2)0.018669       0.016400       1.138353       0.2550
ALPHA(3)0.110886       0.021939       5.054207       0.0000