Rats估计MV-BEKK模型的疑问？

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

我做了一个MV-BEKK模型，三元的，但是用BHHH估计方法和BFGS估计方法估计出来的参数结果有很大出入，BFGS估计出来的参数T检验量显著的，在BHHH下却不显著了。。 以下是程序，不对之处还望指正！
calender(sevenday)  2010 6 18
allocate 2012:12:20
open data "D:\process\WinRATS Pro 8.012121\数据   \ ersz.xlsx     "
data(format=xlsx,org=columns) / er sz  sb
set er = log(er)
set sz = log(sz)
set sb = log(sb)
set err = er - er(1)
set szr = sz - sz(1)
set sbr = sb - sb(1)

system(mode1=var1)   
variables err szr sbr
lags 1
det constant
end(system)
garch(p=1,q=1,mode1=var1,mv=bekk,pmethod=bhhh,piters=10)

MV-GARCH, BEKK - Estimation by BHHH
NO CONVERGENCE IN 16 ITERATIONS
LAST CRITERION WAS  0.0000000
SUBITERATIONS LIMIT EXCEEDED.
ESTIMATION POSSIBLY HAS STALLED OR MACHINE ROUNDOFF IS MAKING FURTHER PROGRESS DIFFICULT
TRY HIGHER SUBITERATIONS LIMIT, TIGHTER CVCRIT, DIFFERENT SETTING FOR EXACTLINE OR ALPHA ON NLPAR
RESTARTING ESTIMATION FROM LAST ESTIMATES OR DIFFERENT INITIAL GUESSES MIGHT ALSO WORK
Daily(7) Data From 2010:06:19 To 2012:02:15
Usable Observations                       607
Log Likelihood                      2373.4645
    Variable                        Coeff      Std Error      T-Stat       Signif
*************************************************************************************
1.  ERR{1}                           0.421464     1.703904       0.24735  0.80463567
2.  SZR{1}                           0.023056     0.229144       0.10062  0.91985452
3.  SBR{1}                           0.018195     0.212509       0.08562  0.93176754
4.  Constant                        -0.004035     0.061473      -0.06564  0.94766183
5.  ERR{1}                          -0.222139    22.521542      -0.00986  0.99213029
6.  SZR{1}                           0.514110     2.657763       0.19344  0.84661664
7.  SBR{1}                           0.295234     2.576193       0.11460  0.90876147
8.  Constant                        -0.021454     0.311075      -0.06897  0.94501673
9.  ERR{1}                          -0.847583    21.812389      -0.03886  0.96900370
10. SZR{1}                           0.386388     2.816724       0.13718  0.89089137
11. SBR{1}                           0.472043     2.673667       0.17655  0.85985986
12. Constant                         0.005877     0.362987       0.01619  0.98708205
13. C(1,1)                           0.008213     0.051687       0.15889  0.87375551
14. C(2,1)                           0.021845     0.464668       0.04701  0.96250298
15. C(2,2)                           0.024733     0.208680       0.11852  0.90565393
16. C(3,1)                           0.006185     0.512205       0.01207  0.99036614
17. C(3,2)                           0.028309     0.263522       0.10742  0.91445231
18. C(3,3)                          -0.000011  1570.053739 -7.18296e-009  0.99999999
19. A(1,1)                           0.127543     1.302694       0.09791  0.92200631
20. A(1,2)                           0.167066     7.014196       0.02382  0.98099759
21. A(1,3)                          -0.055264     7.283187      -0.00759  0.99394583
22. A(2,1)                           0.008711     0.196294       0.04438  0.96460359
23. A(2,2)                           0.132445     1.177238       0.11250  0.91042311
24. A(2,3)                          -0.007510     1.068526      -0.00703  0.99439209
25. A(3,1)                          -0.028882     0.248033      -0.11645  0.90729955
26. A(3,2)                          -0.093375     1.771254      -0.05272  0.95795744
27. A(3,3)                           0.065484     1.807029       0.03624  0.97109224
28. B(1,1)                           0.919466     0.723912       1.27014  0.20403637
29. B(1,2)                          -0.343400     4.556516      -0.07536  0.93992463
30. B(1,3)                          -0.175175     5.238847      -0.03344  0.97332552
31. B(2,1)                           0.002106     0.076471       0.02754  0.97803062
32. B(2,2)                           1.012776     0.439478       2.30450  0.02119482
33. B(2,3)                           0.037890     0.376051       0.10076  0.91974287
34. B(3,1)                           0.006374     0.064562       0.09873  0.92135432
35. B(3,2)                          -0.014998     0.378949      -0.03958 0.96842904
36. B(3,3)                           0.974313     0.484321       2.01171  0.04425049

接下来是BFGS方法下的估计结果：
system(mode1=var1)
variables err szr sbr
lags 1
det constant
end(system)
garch(p=1,q=1,mode1=var1,mv=bekk,pmethod=bfgs,piters=10)

MV-GARCH, BEKK - Estimation by BFGS
NO CONVERGENCE IN 200 ITERATIONS
LAST CRITERION WAS  0.0027069
Daily(7) Data From 2010:06:19 To 2012:02:15
Usable Observations                       607
Log Likelihood                      7039.8533
    Variable                        Coeff      Std Error      T-Stat      Signif
************************************************************************************
1.  ERR{1}                         0.99719910   0.00237387    420.07345  0.00000000
2.  SZR{1}                         0.00073980   0.00105177      0.70338  0.48181834
3.  SBR{1}                        -0.00085640   0.00081491     -1.05092  0.29329727
4.  Constant                      -0.00017141   0.00014307     -1.19811  0.23087303
5.  ERR{1}                         0.04690045   0.02826964      1.65904  0.09710782
6.  SZR{1}                         0.98720530   0.01102580     89.53592  0.00000000
7.  SBR{1}                         0.00611300   0.00876629      0.69733  0.48559602
8.  Constant                       0.00165852   0.00175239      0.94643  0.34392766
9.  ERR{1}                        -0.01309313   0.02830064     -0.46264  0.64361941
10. SZR{1}                         0.05574097   0.01234377      4.51572  0.00000631
11. SBR{1}                         0.95120835   0.00960919     98.98943  0.00000000
12. Constant                       0.00830550   0.00171896      4.83170  0.00000135
13. C(1,1)                        -0.00020299   0.00017421     -1.16519  0.24394142
14. C(2,1)                         0.01004779   0.00119406      8.41482  0.00000000
15. C(2,2)                         0.00513893   0.00210055      2.44647  0.01442622
16. C(3,1)                        -0.00059902   0.00061592     -0.97257  0.33076787
17. C(3,2)                        -0.00038448   0.00080127     -0.47983  0.63134614
18. C(3,3)                        -0.00000622   0.00102912     -0.00605  0.99517512
19. A(1,1)                        -0.07963097   0.05321638     -1.49636  0.13455932
20. A(1,2)                        -1.68833904   0.58046311     -2.90861  0.00363043
21. A(1,3)                         1.24440565   0.61317632      2.02944  0.04241331
22. A(2,1)                        -0.06318163   0.00490437    -12.88273  0.00000000
23. A(2,2)                         0.28050534   0.09136633      3.07012  0.00213975
24. A(2,3)                         0.01202312   0.07593032      0.15834  0.87418569
25. A(3,1)                         0.00659181   0.00349265      1.88734  0.05911463
26. A(3,2)                         0.08012758   0.04132739      1.93885  0.05251969
27. A(3,3)                        -0.11419219   0.04628369     -2.46722  0.01361655
28. B(1,1)                        -0.34952232   0.10604955     -3.29584  0.00098128
29. B(1,2)                        -1.45993399   0.86873152     -1.68054  0.09285321
30. B(1,3)                       -10.55373366   0.75674619    -13.94620  0.00000000
31. B(2,1)                        -0.05568243   0.00562023     -9.90750  0.00000000
32. B(2,2)                        -0.12636183   0.16666580     -0.75817  0.44834629
33. B(2,3)                         0.23189906   0.11179770      2.07427  0.03805387
34. B(3,1)                         0.02493584   0.00715660      3.48432  0.00049340
35. B(3,2)                         0.05414030   0.06964698      0.77735  0.43695043
36. B(3,3)                         0.08461779   0.08101339      1.04449  0.29625812

两种算法下的估计结果明显是不一样的，这是怎么回事呢？ 我的编程没有错吧！求大神解惑，不胜感激！！！

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8 回帖

关键词：BEKK模型 bekk Rats observations observation 模型 疑问

两个都 NO CONVERGENCE

epoh 发表于 2013-1-16 17:23
两个都 NO CONVERGENCE

啊，老师您好！ 我看过您之前的一些回复帖子。两个都不收敛的话，那估计出来的参数就没什么意义吗？ 因为是看了您的帖子之后，才转学rats的。之前用MATLAB做BEKK，是在论坛里下载的UCSD-GARCH工具包，里面没T检验。 我是初学者，为什么会出现这个结果呢？还请您指点迷经

843978571 发表于 2013-1-16 17:44
啊，老师您好！ 我看过您之前的一些回复帖子。两个都不收敛的话，那估计出来的参数就没什么意义吗？ 因为 ...

这跟你的数据有关,数据有点少

尝试修改DIST=T,PMETHOD=SIMPLEX
或增加ITERATIONS试试

epoh 发表于 2013-1-16 18:01
这跟你的数据有关,数据有点少

尝试修改DIST=T,PMETHOD=SIMPLEX

好的，老师，我重新试试。目前手头上在看到资料也就是USE GUIDE，多远GARCH模型这方面能推荐些资料吗？我学习下。

epoh 发表于 2013-1-16 18:01
这跟你的数据有关,数据有点少

尝试修改DIST=T,PMETHOD=SIMPLEX

我改变了下VAR的结构，在某一结构下可以收敛出来，这是不是数据选取的问题？

跟楼主有相同困惑，即使在收敛的情况下，不同算法得出来的结果真的有很大出入，不知道为什么，对于算法的选择原则是什么呢，有老师能指教一下吗？

ttfttf 发表于 2013-1-18 00:29
跟楼主有相同困惑，即使在收敛的情况下，不同算法得出来的结果真的有很大出入，不知道为什么，对于算法的选 ...

我记得使用这个模型的论文用的是BHHH算法，有好几个都是

843978571 发表于 2013-1-18 01:01
我记得使用这个模型的论文用的是BHHH算法，有好几个都是

ug-208已经说得很清楚了
Estimation Methods are BFGS, BHHH, SIMPLEX and GENETIC,default is BFGS.

If you want the BHHH covariance matrix, it’s better to use BFGS as a preliminary
method, then switch to BHHH for a final iteration once it’s converged. The derivativefree
methods (SIMPLEX and GENETIC) are very useful in multivariate garch models,
but aren’t quite as important with the univariate ones. However, if you’re having
convergence problems with BFGS or BHHH, you can use the PMETHOD option with SIMPLEX
or GENETIC and combined with PITERS to refine the initial guesses

换句话说楼主贴出来的程序和结果是不相符的
system(mode1=var1)   
variables err szr sbr
lags 1
det constant
end(system)
garch(p=1,q=1,mode1=var1,mv=bekk,pmethod=bhhh,piters=10)

MV-GARCH, BEKK - Estimation by BHHH   ???
******
应该是
garch(p=1,q=1,model=var1,mv=bekk,pmethod=bhhh,piters=10)

MV-GARCH, BEKK - Estimation by BFGS
******
底下范例使用BFGS,BHHH的结果是相同的

open data g10xrate.xls
data(format=xls,org=columns) 1 6237 usxjpn usxfra usxsui
set xjpn = 100.0*log(usxjpn/usxjpn{1})
set xfra = 100.0*log(usxfra/usxfra{1})
set xsui = 100.0*log(usxsui/usxsui{1})

system(model=var1)
variables xjpn xfra xsui
lags 1
det constant
end(system)
garch(p=1,q=1,model=var1,mv=bekk,pmethod=simplex,piters=10)

*MV-GARCH, BEKK - Estimation by BFGS
*Convergence in   104 Iterations. Final criterion was  0.0000095 <=  0.0000100
*Usable Observations                      6235
*Log Likelihood                    -11809.4143

garch(p=1,q=1,model=var1,mv=bekk,method=bhhh,pmethod=simplex,piters=10)
*MV-GARCH, BEKK - Estimation by BHHH
*Convergence in   110 Iterations. Final criterion was  0.0000029 <=  0.0000100
*Usable Observations                      6235
*Log Likelihood                   -11809.4145

    Variable                        Coeff      Std Error      T-Stat      Signif
************************************************************************************
1.  XJPN{1}                       0.054056756  0.011157196      4.84501  0.00000127
2.  XFRA{1}                       0.023692552  0.012767254      1.85573  0.06349232
3.  XSUI{1}                      -0.034347414  0.009122370     -3.76519  0.00016643
4.  Constant                      0.006201308  0.005803445      1.06856  0.28526957
5.  XJPN{1}                       0.028502333  0.011319085      2.51808  0.01179974
6.  XFRA{1}                       0.023733022  0.009892819      2.39901  0.01643924
7.  XSUI{1}                      -0.009374605  0.006832107     -1.37214  0.17001996
8.  Constant                     -0.001862654  0.004674356     -0.39848  0.69027378
9.  XJPN{1}                       0.040988355  0.013943092      2.93969  0.00328542
10. XFRA{1}                       0.025029943  0.009888338      2.53126  0.01136540
11. XSUI{1}                      -0.017967277  0.009367145     -1.91812  0.05509620
12. Constant                     -0.001915049  0.005577392     -0.34336  0.73132830
13. C(1,1)                        0.080420169  0.004844832     16.59917  0.00000000
14. C(2,1)                        0.026792535  0.007153359      3.74545  0.00018007
15. C(2,2)                        0.055092810  0.005136386     10.72599  0.00000000
16. C(3,1)                        0.034174635  0.007952256      4.29748  0.00001728
17. C(3,2)                       -0.004064308  0.010069368     -0.40363  0.68648419
18. C(3,3)                       -0.058668020  0.006546375     -8.96191  0.00000000
19. A(1,1)                        0.356742939  0.011175929     31.92065  0.00000000
20. A(1,2)                        0.099023385  0.009312906     10.63292  0.00000000
21. A(1,3)                        0.107358980  0.012538272      8.56250  0.00000000
22. A(2,1)                        0.033523234  0.015000487      2.23481  0.02542984
23. A(2,2)                        0.398493512  0.017986175     22.15555  0.00000000
24. A(2,3)                       -0.070349572  0.019349112     -3.63580  0.00027712
25. A(3,1)                       -0.047186040  0.010155983     -4.64613  0.00000338
26. A(3,2)                       -0.122496143  0.012604129     -9.71873  0.00000000
27. A(3,3)                        0.292924401  0.014013391     20.90318  0.00000000
28. B(1,1)                        0.936391469  0.003747744    249.85472  0.00000000
29. B(1,2)                       -0.025328191  0.003246968     -7.80057  0.00000000
30. B(1,3)                       -0.027021572  0.004178229     -6.46723  0.00000000
31. B(2,1)                       -0.010662124  0.005817199     -1.83286  0.06682308
32. B(2,2)                        0.911892529  0.007065422    129.06413  0.00000000
33. B(2,3)                        0.030714339  0.007142836      4.30002  0.00001708
34. B(3,1)                        0.016113773  0.004334369      3.71767  0.00020107
35. B(3,2)                        0.047482017  0.005627813      8.43703  0.00000000
36. B(3,3)                        0.946088918  0.005435624    174.05342  0.00000000

ersz.xlsx (28.19 KB)

2013-1-18 14:22:49 上传

数据

我又跑了下，还是不一样。这个是数据。有那么一次，跑的结果很接近，但其他几次依然不一样。