Identifique heterocedasticidad condicional
TimeSeriesModelFit automáticamente busca heterocedasticidad condicional en los datos y fija modelos ARCH/GARCH en los datos.
Cree una serie temporal de retornos diarios en una acción de Starbucks Corp.
muestre la entrada completa de Wolfram Languageoculte la entrada
Out[3]= | ![](HTMLImages.es/identify-conditional-heteroscedacity/O_8.png) |
Calcule la función de autocorrelación.
muestre la entrada completa de Wolfram Languageoculte la entrada
Out[5]= | ![](HTMLImages.es/identify-conditional-heteroscedacity/O_9.png) |
Pruebe la autocorrelación en una secuencia de retornos.
Out[6]= | ![](HTMLImages.es/identify-conditional-heteroscedacity/O_10.png) |
La serie temporal devuelta no es autocorrelada, pero su cuadrado lo es.
Out[8]= | ![](HTMLImages.es/identify-conditional-heteroscedacity/O_11.png) |
Out[9]= | ![](HTMLImages.es/identify-conditional-heteroscedacity/O_12.png) |
TimeSeriesModelFit determina la familia GARCH como la mejor opción para los datos.
Out[10]= | ![](HTMLImages.es/identify-conditional-heteroscedacity/O_13.png) |
Encuentre el proceso de ajuste.
Out[11]= | ![](HTMLImages.es/identify-conditional-heteroscedacity/O_14.png) |
Los residuos del modelo aparecen desvinculados.
Out[12]= | ![](HTMLImages.es/identify-conditional-heteroscedacity/O_15.png) |
Out[13]= | ![](HTMLImages.es/identify-conditional-heteroscedacity/O_16.png) |
Utilice TimeSeriesModel para calcular intervalos de confianza de pronósticos futuros.
Out[15]= | ![](HTMLImages.es/identify-conditional-heteroscedacity/O_17.png) |