Bedingte Heteroskedastizität feststellen
TimeSeriesModelFit testet Daten automatisch auf bedingte Heteroskedastizität und passt ARCH/GARCH-Modelle an die Daten an.
Erstellen Sie eine Zeitreihe mit Daten der täglichen Starbucks Corp.-Aktienrenditen.
Die gesamte Wolfram-Language Eingabe zeigenEingabe verbergen
Out[3]= | ![](HTMLImages.de/identify-conditional-heteroscedacity/O_8.png) |
Berechnen Sie die Autokorrelationsfunktion.
Die gesamte Wolfram-Language Eingabe zeigenEingabe verbergen
Out[5]= | ![](HTMLImages.de/identify-conditional-heteroscedacity/O_9.png) |
Testen Sie die zurückgegebenen Werte auf Autokorrelation.
Out[6]= | ![](HTMLImages.de/identify-conditional-heteroscedacity/O_10.png) |
Die zurückgegebene Zeitreihe ist nicht autokorreliert, aber ihr Quadrat.
Out[8]= | ![](HTMLImages.de/identify-conditional-heteroscedacity/O_11.png) |
Out[9]= | ![](HTMLImages.de/identify-conditional-heteroscedacity/O_12.png) |
TimeSeriesModelFit bestimmt die GARCH-Familie als am besten geeignet für die Daten.
Out[10]= | ![](HTMLImages.de/identify-conditional-heteroscedacity/O_13.png) |
Ermitteln Sie den passenden Prozess.
Out[11]= | ![](HTMLImages.de/identify-conditional-heteroscedacity/O_14.png) |
Es scheint keine Korrelation bei den Modellresiduen vorzuliegen.
Out[12]= | ![](HTMLImages.de/identify-conditional-heteroscedacity/O_15.png) |
Out[13]= | ![](HTMLImages.de/identify-conditional-heteroscedacity/O_16.png) |
Verwenden Sie den TimeSeriesModel-Befehl, um die Konfidenzintervalle für Prognosen zu berechnen.
Out[15]= | ![](HTMLImages.de/identify-conditional-heteroscedacity/O_17.png) |