发帖
雷达卡
可以解决的问题：
ADF检验、LM检验、GARCH-MIADS估计
1.问题提出：
该模型主要研究的问题是，不同频率的时间序列A对序列B的影响。其中序列A是周频或者月频，例如月度政策不确定性，B多数为日频数据，例如股票收益。
在匹配经济信息和股市波动率时，由于宏观经济信息是低频率，如果将股市日度数据转换为月度数据或者季度数据的估计方法，会损失股市中的高频有效信息，引起参数估计和波动率预测的偏误，并且无法评估经济信息对股市波动率的综合影响。
2.数据处理：
A．首先是读取文件：我的文件是csv格式
B．数据整理
这里由于是计算每个行业的股市，因此要10个矩阵，做10个模型。在这里定义一个函数，每次生成一个矩阵。
结果是这样的
这里要注意的是，month，date一定要格式化，否则会报错，相关代码在文档中。
3.模型说明：
文档中包含完整模型，可以复制。
4.GARCH检验：
A.ADF检验
ADF检验思路：循环得到每列的Dickey-Fuller值和对应P值
模型：
H0：存在单位根 Ƿ=1
H1：不存在单位根 Ƿ＜1
结果：DF值的绝对值大于临界值的绝对值 / DF值小于临界值 （DF是负值）
P值小于0.01（0.05） 拒绝原假设，不存在单位根，序列平稳
代码：
结果如下：
B.LM检验
设均值方程：
记：
检验模型：
H0:
H1: 不全为0
LM检验思路：循环得到每列的N（max_lag）阶LM检验值, 看是否拒绝原假设，均拒绝原假设则存在ARCH效应。
构建一个矩阵，通过定义函数，将结果记录到一个表格中，再保存。
模型：
单次结果如下：
总结果如下：
表明适合GARCH模型
5.模型代码
A．一次的结果
结果如下：
B. 将结果整合
整合完之后，就可以得到参数矩阵了
如果写all_para[[2]]就是第二个模型的参数
第一行是强度，第二行是权重。
garch-midas.zip
(562.19 KB, 需要: RMB 10 元)
本附件包括：- GARCH-MIdas.docx
- Garch-midas.R
- midas.csv
提升卡
置顶卡
沉默卡
变色卡
抢沙发
千斤顶
显身卡
京公网安备 11010802022788号
