多元Garch模型如何预测covariance和correlation?

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

不知道大家用哪个软件.我用UCSD garch toolbox中那个 dcc_mvgarch得出系数后如何做一步或多步预测? 但这个function是假设arma(0,0)的.也有用SPLUS的,似乎更加方便点,能够直接把cov(et+1,et+1|Ft)算出来,但我现在没splus.

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏3 回帖

关键词：correlation covariance variance relation 多元GARCH GARCH 预测 模型 covariance correlation

用SAS可以做，SAS中的autoreg过程步可以用来进行多元GARCH模型的估计。

要做时变相关性研究，也可以编基于VAR过程的程序，给你一个例子：

COMPUTE GRANGER-CAUSALITY TEST IN A VAR MODEL

/************************************************ * COMPUTE GRANGER-CAUSALITY TEST IN A VAR MODEL * * USING PROC VARMAX * ************************************************/ /* SIMULATE A VAR SERIES */ proc iml; sig = 100 * i(2); phi = {-0.2 0.1, 0.5 0.2, 0.8 0.7, -0.4 0.6}; call varmasim(y, phi) sigma = sig n = 100 seed = 1; cn = {'y1' 'y2'}; create ts1 from y[colname = cn]; append from y; quit; /* TEST FOR UNIT ROOT */ proc varmax data = ts1; model y1 y2 / p = 2 dftest; run; /*  Dickey-Fuller Unit Root Tests Variable Type Rho Pr < Rho Tau Pr < Tau y1 Zero Mean -1.77 0.3577 -0.93 0.3125  Single Mean -8.20 0.1970 -2.23 0.1960  Trend -7.07 0.6459 -1.69 0.7491 y2 Zero Mean -9.17 0.0336 -2.10 0.0350  Single Mean -40.92 0.0009 -4.23 0.0010  Trend -41.19 0.0003 -4.09 0.0090 RESULT: NULL HYPOTHESIS OF UNIT ROOT CAN'T BE REJECTED */ /* TEST FOR UNIT ROOT AND CAUSALITY AFTER DIFFERENCING */ proc varmax data = ts1;  /* DIFFERENCING VARIABLES USING DIFY OPTION */ model y1 y2 / p = 2 dftest dify = (1);  /* SPECIFY CAUSAL STATEMENT FOR CAUSALITY TEST */ causal group1 = (y1) group2 = (y2); run; /*   Dickey-Fuller Unit Root Tests Variable Type Rho Pr < Rho Tau Pr < Tau y1 Zero Mean -357.22 0.0001 -13.32 <.0001  Single Mean -358.43 0.0001 -13.28 <.0001  Trend -393.25 0.0001 -13.91 <.0001 y2 Zero Mean -725.38 0.0001 -18.14 <.0001  Single Mean -725.39 0.0001 -18.05 <.0001  Trend -744.93 0.0001 -18.20 <.0001 RESULT: NULL HYPOTHESIS OF UNIT ROOT IS REJECTED  Granger-Causality Wald Test  Test DF Chi-Square Pr > ChiSq  1 2 40.30 <.0001  Test 1: Group 1 Variables: y1  Group 2 Variables: y2 RESULT: NULL HYPOTHESIS OF Y1 NOT CAUSED BY Y2 IS REJECTED */

可是我现在手中没有SAS,只有matlab.而且官方toolbox没有多元garch只能用UCSD那个,能够得出covariance的估计值,但不知道怎么做一步预测,有没有公式之类的自己能代一下?就像做一元garch预测有公式的.谢谢!

这个必须对照着Engle和Sheppard的文章看，否则只看matlab跟天书一样

http://www.kevinsheppard.com/research/workingpapers/dcc.pdf

他把H_t写成D_t R_t D_t，D_t是diagonal的，每一个是h_it，就是第6页的等式(1)，每个是一个GARCH(p,q)，dcc_mvgarch返回的parameters里面GarchParams(1)...(k)就是指这些GARCH的参数，然后可得D_{t+1}

然后是parameters里面的DCCParams，就是第6页的等式(2)里面的\alpha, \beta, \bar{Q}，dcc_mvgarch还返回Qt，然后可得Q_{t+1}

D_{t+1} Q_{t+1} D_{t+1}乘起来应该就是1-step ahead forecast，mulit-step ahead forecast，文章里说了是不容易弄的

计量经济学的符号使用无比混乱，这是一个例子

btw，上海人？轧三胡，哈哈

D(t+1)那就得做univariate的1-step预测了啊,

那等式(2)的的e(t)就是r(t)'*inv(D(t))了? r(t)是个数,如果有k列资产e(t)应该是个k*k的matrix吧, 如果是这样等式(1),(2)都要求univariate garch的fitted value了,他那个function好象没给e(t)吗

BTW.原来你在买买提潜水啊,交出ID!

哦哦哦...fitted value就是covariance的对角线把...

均是在说天书