【程序问答】向各位朋友求助关于ARJI-GARCH模型的问题！万分感谢！

附件中的问题是一个带有时变跳跃的ARJI-GARCH模型，在模型中添加了泊松跳跃项，想对市场收益的波动性进行研究，但是模型过于复杂，但是很有思考价值，所以想向各位大神求助，征询WINRATS的程序代码，感激不尽。模型的具体阐述我放在了附件中，由于这个程序可能不是很好写，写出来的大神为了表达对你们的感谢，送上500论坛币。希望有大神能够帮助！这个问题困扰我两个多月了，一直没有得到合理的解答。

我记得ARJI这个程序我曾经在论坛里共享过啊

不知道大神epoh老师什么时候出现帮我解答问题~~~

这个是我用MATLAB写的程序，问题是（1）程序会无限循环迭代，没有结果（2）是即使估计出参数，怎么做统计检验?如果大神能够给出WINRATS的代码，那就感激不尽了！

1. function  Ln_Rt=Likehood_Fun(Parameter)
   
2. 
   
3. %======载入数据=============
   
4. data=load('oil_return.mat');
   
5. data=data.oil_return;
   
6. 
   
7. 
   
8. %=======设置=============================
   
9. Length=size(data,1);%输入数据长度
   
10. W_t=random('Normal',0,1,Length,1);  %  Equation (9)
    
11. 
    
12. Z_tk=normrnd(Parameter(2),sqrt(Parameter(3)),Length,1)  ;% Equation(4)
    
13. %生成跳跃幅度的 Zt 的 正态分布  （ phi , delta^2）分别为Para(2)和Para(3)
    
14. 
    
15. %==========初始化参数====================
    
16. Nt=25;    %设置模型中无限求和的个数，假设25，甚至是10  均可
    
17. 
    
18. Lamda=zeros(Length,1);  % 初始化每次的“跳跃”强度；Lamda=E[n(t)|R(t-1)]
    
19. 
    
20. Sigma_square=zeros(Length,1);  %初始化每次的“条件波动率”：Equation(10)
    
21. 
    
22. N_post=zeros(Length,1);  %初始化每次的“发生跳跃的次数的事后评价”N(t)  Equation (3)
    
23. 
    
24. C_ta=zeros(Length,1); %初始化每次的“预期偏差”：Equation(3)  
    
25. % ksi (t-1)=N(t-1)-Lamda(t-1)
    
26. 
    
27. Lamda(1)=Parameter(4); %初始化 Lamda(1)   Lamda(0)即为 Para(4)
    
28. 
    
29. Sigma_square(1)=var(data(:,1)); %初始化Sigma_square(1)
    
30. 
    
31. N_post(1)=Lamda(1);  % Page 58
    
32. C_ta(1)=0;  %Page 58
    
33. 
    
34. %============求取各参数主循环===============
    
35. Vector_Nt=[0:Nt]; % 应为跳跃次数，初始化设置时，Nt=10;
    
36. 
    
37. Poiss=zeros(Length,Nt+1); %初始化不同Lamda时，泊松概率密度
    
38. Condition_Zi_pdf=zeros(Length,Nt+1);%初始化不同Lamda时，泊松概率密度
    
39. f_rt_Rt_1=zeros(Length,1);  %初始化不同Lamda时，泊松概率密度
    
40. Ln_f_rt_Rt_1=zeros(Length,1);  %初始化不同Lamda时，泊松概率密度
    
41. Lvzi=zeros(Length,Nt+1);  %初始化不同Lamda时，泊松概率密度
    
42. Deta_J_t=zeros(Length,1); %初始化不同Lamda时，泊松概率密度
    
43. Deta_D_t=zeros(Length,1);  %初始化不同Lamda时，泊松概率密度
    
44. Deta_t=zeros(Length,1);       %初始化不同Lamda时，泊松概率密度
    
45. %f_T_1=zeros(Length,1);      %初始化不同Lamda时，泊松概率密度
    
46. 
    
47. 
    
48. for ii=1:Length-1
    
49.      
    
50.     %===========先计算Lamda(ii+1)===========
    
51.       
    
52.       Lamda(ii+1)=Parameter(4)+Parameter(5)*Lamda(ii)+Parameter(6)*C_ta(ii);
    
53.       %...+Parameter(6)*Sigma_square(ii);  % Page 56
    
54.       % Lamda(t)=Lamda(0)+Rho*Lamda(t-1)+Eta*Ksi(t-1)+Gamma*Sigma(t-1)^2
    
55.       
    
56.      %===========再计算Sigma_square(ii+1)=======
    
57.      
    
58.        Deta_J_t(ii)=sum(Z_tk(1:Nt))  -  Parameter(2)*Lamda(ii);%Equation (8)
    
59.        %Epsilon_ J (t)=sum( Z_tk ) - Phi*Lamda(t)
    
60.       
    
61.        Deta_D_t(ii)=sqrt(Sigma_square(ii))*W_t(ii); % Equation (9)
    
62.        %Epsilon_D(t)=Sigma*W_(t)  条件异方差  GARCH
    
63.       
    
64.        Deta_t(ii)=Deta_D_t(ii)+Deta_J_t(ii);    %   Equation (11)
    
65.        %Epsilon (t-1) = Epsilon_ J (t-1)  + Epsilon_D (t-1)
    
66.        %模型扰动项之和，包含正常的残差和跳跃的残差
    
67.       
    
68.       % f_T_1(ii)=fun( Parameter(10),Parameter(11), Parameter(12), Parameter(13),...
    
69.           % Parameter(14) , N_post, Deta_t(ii) );  %Equation (12)
    
70.        %该函数为GARCH 模型中，异方差的回归函数，由于本模型暂时只需要GARCH(1,1)
    
71.        %所以该函数在估计时需要修改
    
72.       
    
73.       % Sigma_square(ii+1)=Parameter(8)+f_T_1(ii)*(Deta_t(ii)-Parameter(14)^2+...
    
74.          %  Parameter(9)*Sigma_square(ii) );   %  Equation (10)  
    
75.       
    
76.        Sigma_square(ii+1)=Parameter(9)+Parameter(10)*(Deta_D_t(ii))^2+...
    
77.        Parameter(11)*Sigma_square(ii);% GARCH(1,1)模型
    
78. 
    
79.       
    
80.          %==========再求N_post(ii+1)=================
    
81.        Poiss(ii+1,:)=poisspdf(Vector_Nt,Lamda(ii+1));
    
82.        %得到泊松分布pdf, Equation(2)
    
83.        % P(Nt=j | R(t-1) )=exp(Lamda(t))*Lamda(t)^j  / j !   生成泊松分布
    
84.       
    
85.        mu=Parameter(1)+Parameter(7)*data(ii,1)+Parameter(8)*Sigma_square(ii)-Lamda(ii+1)*Parameter(2)+Vector_Nt*Parameter(2);
    
86.        % Equation (17) 的 mu
    
87.        % Mu =mu-  Phi * Lamda(t)+ j * Phi   ,其中 Vector_Nt = j ,   j=0,1,2,3,4...10
    
88.       
    
89.        sigma=sqrt(Sigma_square(ii+1)+Vector_Nt*Parameter(3));
    
90.        %Equation(17) 的 sigma
    
91.        %极大似然函数正态分布部分的方差
    
92.        % sigma=Sigma^2+j *delta^2  函数 f ( r(t) | Nt=j ,R(t-1)) 的方差
    
93.       
    
94.        Condition_Zi_pdf(ii+1,:)=normpdf(data(ii+1,:),mu,sigma);
    
95.        %Equation (17)
    
96.        %该函数 f ( r(t) | Nt=j ,R(t-1)) 服从正态分布 （Mu , sigma）
    
97.       
    
98.        f_rt_Rt_1(ii+1)=Condition_Zi_pdf(ii+1,:)*Poiss(ii+1,:)'; % Equation (16)
    
99.        % f ( rt | R(t-1) )= sum ( f ( r(t) | Nt=j ,R(t-1)) * P(Nt=j | R(t-1) ))
    
100.        % 正态分布乘以泊松分布
     
101.       
     
102.       
     
103.        Ln_f_rt_Rt_1(ii+1)=log(f_rt_Rt_1(ii+1)) ;  
     
104.        %对上式求对数，并且相加，  即可得到似然函数
     
105.       
     
106.        %Ln_f_rt_Rt-1=sum(Ln_f_rt_Rt_1(ii+1));
     
107.       
     
108.        Lvzi(ii+1,:)=(Condition_Zi_pdf(ii+1,:).*Poiss(ii+1,:))/f_rt_Rt_1(ii+1);
     
109.        % 注意该式子是数组相乘，与上式矩阵相称有所不同
     
110.       
     
111.        N_post(ii+1)=Lvzi(ii+1,:)*Vector_Nt'; % Equation (3)
     
112. 
     
113.        %===========再求C_ta(ii+1)==================
     
114.        C_ta(ii+1)=N_post(ii+1)-Lamda(ii+1); %Equation (3)
     
115.        % Ksi (t-1)= Nt (t-1)- Lamda(t-1)
     
116.        %  Nt (t-1)= E( Nt(t-1) | R(t-1) )=sum ( j* P(Nt(t-1)) | R(t-1) )
     
117.        %  该式即为N_post
     
118.       
     
119.        %keyboard
     
120.       
     
121. end
     
122. 
     
123. Ln_Rt=sum(Ln_f_rt_Rt_1)

复制代码

等的我望眼欲穿啊。大神epoh老师什么时候出现啊~~~~~~

有大神能看看这个模型么？有没有什么好的想法。

感觉没人回答。。。

yucongy 发表于 2013-7-12 16:27
我记得ARJI这个程序我曾经在论坛里共享过啊

你回复的名称是什么呢？具体是哪一个帖子呢？我怎么样才能找到啊

yucongy 发表于 2013-7-12 16:27
我记得ARJI这个程序我曾经在论坛里共享过啊

你回复的名称是什么呢？具体是哪一个帖子呢？我怎么样才能找到啊

yucongy 发表于 2013-7-12 16:27
我记得ARJI这个程序我曾经在论坛里共享过啊

你回复的名称是什么呢？具体是哪一个帖子呢？我怎么样才能找到啊