条件异方差的判定
TimeSeriesModelFit 对于在数据中的条件异方差进行自动检测,并对数据拟合 ARCH/GARCH 模型.
创建星巴克公司股票的日收益时间序列.
In[2]:= | ![]() X |
In[3]:= | ![]() X |
Out[3]= | ![]() |
计算自相关函数.
In[4]:= | ![]() X |
Out[5]= | ![]() |
在收益序列中验证自相关性.
In[6]:= | ![]() X |
Out[6]= | ![]() |
返回的时间序列不是自相关的,但其平方是自相关.
In[7]:= | ![]() X |
In[8]:= | ![]() X |
Out[8]= | ![]() |
In[9]:= | ![]() X |
Out[9]= | ![]() |
TimeSeriesModelFit 判定 GARCH 系列是对数据的最佳拟合.
In[10]:= | ![]() X |
Out[10]= | ![]() |
求拟合过程.
In[11]:= | ![]() X |
Out[11]= | ![]() |
模型的残差表现为不相关.
In[12]:= | ![]() X |
Out[12]= | ![]() |
In[13]:= | ![]() X |
Out[13]= | ![]() |
用 TimeSeriesModel 计算未来预测的置信区间.
In[14]:= | ![]() X |
In[15]:= | ![]() X |
Out[15]= | ![]() |