载入表里没有"C"字符名"vector_garch"

epoh 发表于 2013-1-28 22:29
刚看了,更新版的rmgarch,的确还存在一些问题暂时不要安装好了.  https://r-forge.r-project.org/forum/fo ...

我曾经以为只要在ccgarch上面改下都可以变成agdcc模型了，看来这种方法是行不通的呀

epoh 发表于 2013-1-28 22:29
刚看了,更新版的rmgarch,的确还存在一些问题暂时不要安装好了.  https://r-forge.r-project.org/forum/fo ...

我曾经以为只要在ccgarch上面改下都可以变成agdcc模型了，看来这种方法是行不通的呀

epoh 发表于 2013-1-28 22:29
刚看了,更新版的rmgarch,的确还存在一些问题暂时不要安装好了.  https://r-forge.r-project.org/forum/fo ...

epoh老师，rmgarch包安装好了，在其他地方下载的，但是这个dccspec这个函数的用法我看不太懂，如果我要做两个指数的非对称相关性，要怎么做呢

tracy272523 发表于 2013-1-29 00:04
我曾经以为只要在ccgarch上面改下都可以变成agdcc模型了，看来这种方法是行不通的呀

要在ccgarch上面改下,变成agdcc模型,
只要你理解模型,熟悉编程,这种方法当然行的通,
只是R function,C function都需要修改,
修改R function,C function后,重新re-build package就行了.

我刚跑了下rmgarch,rmgarch 跟你要的AG-DCC可能有所不同.
WINRATS比较接近,底下是WINRATS运行的结果,先供你参考.
GARCH Model - Estimation by BFGS
Convergence in    22 Iterations. Final criterion was  0.0000000 <=  0.0000100
Dependent Variable Y(1)
Usable Observations                      2469
Log Likelihood                     -3687.2585

    Variable                        Coeff      Std Error      T-Stat      Signif
************************************************************************************
1.  C                             0.010023072  0.001929382      5.19497  0.00000020
2.  A                            -0.021284375  0.007062039     -3.01391  0.00257901
3.  B                             0.942083590  0.008504802    110.77078  0.00000000
4.  D                             0.140066752  0.014597095      9.59552  0.00000000


GARCH Model - Estimation by BFGS
Convergence in    22 Iterations. Final criterion was  0.0000023 <=  0.0000100
Dependent Variable Y(2)
Usable Observations                      2469
Log Likelihood                     -3605.1431

    Variable                        Coeff      Std Error      T-Stat      Signif
************************************************************************************
1.  C                             0.013548562  0.002756299      4.91549  0.00000089
2.  A                            -0.007906665  0.009502463     -0.83206  0.40537239
3.  B                             0.920294467  0.009940299     92.58217  0.00000000
4.  D                             0.151535038  0.016712294      9.06728  0.00000000


Covariance\Correlation Matrix
         EPS(1)      EPS(2)
EPS(1) 1.000702756     0.49826
EPS(2) 0.498491328 1.000225636


Covariance\Correlation Matrix
         ETA(1)      ETA(2)
ETA(1) 0.551315292     0.60636
ETA(2) 0.332201268 0.544430178


* AGDDCC (Asymmetric Generalized Diagonal DCC)
AGDDCC - Estimation by BFGS
Convergence in    14 Iterations. Final criterion was  0.0000009 <=  0.0000100
Usable Observations                      2468
Function Value                     -6911.5431

    Variable                        Coeff      Std Error      T-Stat      Signif
************************************************************************************
1.  AQ(1)                         0.388557180  0.080235121      4.84273  0.00000128
2.  AQ(2)                         0.221425775  0.042025578      5.26883  0.00000014
3.  BQ(1)                         0.550783755  0.161357663      3.41343  0.00064150
4.  BQ(2)                         0.880525194  0.057158322     15.40502  0.00000000
5.  GQ(1)                         0.421551527  0.121318780      3.47474  0.00051134
6.  GQ(2)                        -0.073378449  0.070499194     -1.04084  0.29794936

AGDDCC BIC   13932.44244

epoh 发表于 2013-1-29 12:16
要在ccgarch上面改下,变成agdcc模型,
只要你理解模型,熟悉编程,这种方法当然行的通,
只是R function,C  ...

恩，只要能做出AG DCC就可以，那我就用这个软件，epoh老师能分享下AG DCC的程序吗

tracy272523 发表于 2013-1-29 13:32
恩，只要能做出AG DCC就可以，那我就用这个软件，epoh老师能分享下AG DCC的程序吗

数据读取方式如下:
请注意短信息.

OPEN DATA dcc_3var.xls
DATA(FORMAT=XLS,ORG=COLUMNS) 1 1000 v1 v2 v3
dcc_3var.xls    dcc_3var.xls (87 KB)

2013-1-29 15:40:00 上传

GARCH Model - Estimation by BFGS
Convergence in    20 Iterations. Final criterion was  0.0000042 <=  0.0000100
Dependent Variable Y(1)
Usable Observations                      1000
Log Likelihood                        17.0788

    Variable                        Coeff      Std Error      T-Stat      Signif
************************************************************************************
1.  C                             0.003596771  0.001133462      3.17326  0.00150736
2.  A                             0.186945028  0.041178092      4.53991  0.00000563
3.  B                             0.770989959  0.033656820     22.90739  0.00000000
4.  D                            -0.009132399  0.048132807     -0.18973  0.84951809


GARCH Model - Estimation by BFGS
Convergence in    22 Iterations. Final criterion was  0.0000053 <=  0.0000100
Dependent Variable Y(2)
Usable Observations                      1000
Log Likelihood                       112.4791

    Variable                        Coeff      Std Error      T-Stat      Signif
************************************************************************************
1.  C                             0.005470113  0.001320792      4.14154  0.00003450
2.  A                             0.338616481  0.058372461      5.80096  0.00000001
3.  B                             0.594927063  0.050396679     11.80489  0.00000000
4.  D                            -0.012382068  0.075276380     -0.16449  0.86934692


GARCH Model - Estimation by BFGS
Convergence in    18 Iterations. Final criterion was  0.0000000 <=  0.0000100
Dependent Variable Y(3)
Usable Observations                      1000
Log Likelihood                       552.5626

    Variable                        Coeff      Std Error      T-Stat      Signif
************************************************************************************
1.  C                             0.001875018  0.000578170      3.24302  0.00118268
2.  A                             0.160220953  0.041884308      3.82532  0.00013060
3.  B                             0.772309282  0.047008630     16.42910  0.00000000
4.  D                            -0.039267560  0.046065978     -0.85242  0.39398104


Covariance\Correlation Matrix
         EPS(1)      EPS(2)      EPS(3)
EPS(1) 0.997434697     0.45763     0.42535
EPS(2) 0.456803367 0.998968232     0.20744
EPS(3) 0.424635657 0.207245274 0.999187449


Covariance\Correlation Matrix
         ETA(1)      ETA(2)      ETA(3)
ETA(1) 0.506877444     0.60551     0.56421
ETA(2) 0.302033974 0.490877367     0.44693
ETA(3) 0.290402183 0.226377049 0.522663004


AGDDCC - Estimation by BFGS
Convergence in    38 Iterations. Final criterion was  0.0000033 <=  0.0000100
Usable Observations                       999
Function Value                       906.9126

    Variable                        Coeff      Std Error      T-Stat      Signif
************************************************************************************
1.  AQ(1)                         0.260195346  0.102253497      2.54461  0.01093996
2.  AQ(2)                         0.107645492  0.082653251      1.30237  0.19278837
3.  AQ(3)                         0.095833544  0.071659140      1.33735  0.18110754
4.  BQ(1)                         0.808746043  0.094206344      8.58484  0.00000000
5.  BQ(2)                         0.645422712  0.185225611      3.48452  0.00049302
6.  BQ(3)                        -0.977690531  0.042951387    -22.76272  0.00000000
7.  GQ(1)                        -0.405776175  0.111996901     -3.62310  0.00029109
8.  GQ(2)                        -0.174930156  0.108047817     -1.61901  0.10544579
9.  GQ(3)                         0.026304831  0.090370574      0.29108  0.77099213

tracy272523 发表于 2013-1-29 13:32
恩，只要能做出AG DCC就可以，那我就用这个软件，epoh老师能分享下AG DCC的程序吗

使用R pckage rmgarch
######
library(rmgarch)
data=read.table("dcc_3var.txt")
uspec.n = multispec(replicate(3, ugarchspec(variance.model = list(model = "gjrGARCH", garchOrder = c(1, 1)),
          mean.model = list(armaOrder = c(0,0),include.mean=F))))
# DCC (MVN)
spec.dccn_asy = dccspec(uspec.n, dccOrder = c(1, 1), distribution = "mvnorm",asymmetric = TRUE)

fit.2 = dccfit(spec.dccn_asy, data = data)
fit.2
Optimal Parameters
---------------------------------------------------
                  Estimate  Std. Error  t value Pr(>|t|)
[Asset_1].omega   0.003593    0.001035  3.47094 0.000519
[Asset_1].alpha1  0.187357    0.038608  4.85275 0.000001
[Asset_1].beta1   0.770924    0.030433 25.33178 0.000000
[Asset_1].gamma1 -0.009181    0.046624 -0.19692 0.843894
[Asset_2].omega   0.005468    0.001490  3.66927 0.000243
[Asset_2].alpha1  0.339219    0.070916  4.78337 0.000002
[Asset_2].beta1   0.594777    0.065319  9.10573 0.000000
[Asset_2].gamma1 -0.012227    0.120264 -0.10167 0.919018
[Asset_3].omega   0.001875    0.000534  3.51120 0.000446
[Asset_3].alpha1  0.160323    0.039584  4.05023 0.000051
[Asset_3].beta1   0.772303    0.041531 18.59576 0.000000
[Asset_3].gamma1 -0.039310    0.048481 -0.81083 0.417463
[Joint]dcca1      0.003841    0.005026  0.76434 0.444667
[Joint]dccb1      0.968590    0.026498 36.55369 0.000000
[Joint]dccg1      0.003269    0.009016  0.36257 0.716929

epoh 发表于 2013-1-29 15:42
使用R pckage rmgarch
######
library(rmgarch)

epoh老师，您好！
我运行怎么会出现以下问题？
> library(rmgarch)
>  data=read.table("dcc_3var.txt")
>  uspec.n = multispec(replicate(3, ugarchspec(variance.model = list(model = "gjrGARCH", garchOrder = c(1, 1)),
+            mean.model = list(armaOrder = c(0,0),include.mean=F))))
>  # DCC (MVN)
>  spec.dccn_asy = dccspec(uspec.n, dccOrder = c(1, 1), distribution = "mvnorm",asymmetric = TRUE)
>  
> fit.2 = dccfit(spec.dccn_asy, data = data)
错误于.extractdata(data) :
rgarch-->error: class of data object not recognized
>  fit.2
错误: 找不到对象'fit.2'
>

zhangtao 发表于 2013-1-30 20:02
epoh老师，您好！
我运行怎么会出现以下问题？
> library(rmgarch)

rmgarch 0.99 does not work with stable rugarch 1.014 nor 1.015
这是因为作者更新rugarch之后,与rmgarch所产生的问题
所以我是用 R 2.15.2
配合rugarch_1.0-13.zip
        rmgarch_0.99.zip
这样使用上比较顺畅.

rmgarch_0.99.zip (1.95 MB)

2013-1-30 20:31:00 上传

rugarch_1.0-13.zip (3.06 MB)

2013-1-30 20:31:51 上传

epoh 发表于 2013-1-29 12:16
要在ccgarch上面改下,变成agdcc模型,
只要你理解模型,熟悉编程,这种方法当然行的通,
只是R function,C  ...

epoh老师，还有一个问题哦，WINRATS 的AG DCC结果出来以后，动态相关图要怎么弄出来呀