GARCH-MIDAS模型代码及实现案例

相似文件 换一批

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

一、模型简介

（一）模型应用

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，例如月度经济政策不确定性，B多数为日频数据，例如股票收益，股票波动等。

（二）模型优势

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。

（三）模型推导

二、数据清洗

（一）原始数据

这里注意的是, tpu（贸易政策不确定性）那个序列是月度数据，行业股市指数是日频数据，应当按照对应的日期放在一张表格里。其中包含两个时间轴，一个是tpu对应的月份，股市对应的日期。

（二）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，每次生成一个数据框。需要用make_date或者as.Date进行格式化。用 data.frame将矩阵进行转化。

（三）前期检验

1.平稳性检验

ADF检验思路：循环得到每列的Dickey-Fuller值和对应P值。

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0.05 拒绝原假设，不存在单位根，序列平稳

2.LM检验

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。

单次结果如下：

三、模型估计

（一）参数说明

fit_mfgarch(data=data,y="return",x="tpu",low.freq="month",K=K,gamma=T)

其中：

data = 数据框

y = 高频率数据列

x = 低频率数据列

low.freq = 低频率数据的频率，Month Week

K = 低频率数据的滞后期，一般为36

gamma = 是否GJR

（二）模型结果

mu=μ，alpha=α，beta=β，gamma=不对称项系数，m=m，theta=θ，w2=w2.

具体含义见模型介绍

（三）模型整理

我们需要各个系数、权重、影响强度，因此我们的代码将这些结果进行提取和计算，结果如下：

如果写all_para[[2]]就是第二个模型的参数

（别忘了我们估计了十个行业模型）

第一行是强度，第二行是权重。

四、实证结论

贸易政策不确定减少了股市波动，影响强度逐渐递减，但是大部分行业不显著。

代码和程序请联系：计量模型研究院

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

关键词：garch-m MIDAS GARCH ARCH 实现案例

DCC-GARCH模型代码及实现案例
https://bbs.pinggu.org/thread-8682517-1-1.html

MS-VAR-DY模型代码及应用案例
https://bbs.pinggu.org/thread-8671755-1-1.html

区制转移向量自回归（MSVAR）模型MATLAB代码
https://bbs.pinggu.org/thread-8646650-1-1.html

TVP-VAR经典文献
https://bbs.pinggu.org/thread-8627992-1-1.html

代码免费提供，留下邮箱，24小时内回复

【模型代码及实现案例（汇总）】计量模型研究院出品
https://bbs.pinggu.org/thread-8702796-1-1.html

论文需要，代码瓶颈，跪求代码   978724635@qq.com

董小俊 发表于 2020-7-9 12:41
论文需要，代码瓶颈，跪求代码   978724635@qq.com

已发送

计量模型研究院 发表于 2020-7-9 15:54
已发送

求代码感谢 1464147978@qq.com

yzlbq 发表于 2020-7-9 19:30
求代码感谢 1464147978@qq.com

已发送

22521724@qq.com  谢谢了

求代码，2920396236@qq.com ，感谢！