前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
工具
TVP
发布
社区首页 >专栏 >R语言基于ARMA-GARCH-VaR模型拟合和预

R语言基于ARMA-GARCH-VaR模型拟合和预

作者头像
拓端
发布2020-11-19 16:13:47
9860
发布2020-11-19 16:13:47
举报
文章被收录于专栏:拓端tecdat拓端tecdat

原文链接:http://tecdat.cn/?p=3186

本文显示了如何基于潜在的ARMA-GARCH过程(当然也涉及更广泛意义上的QRM)来拟合和预测风险价值(VaR)。

1 从ARMA-GARCH进程模拟(log-return)数据

我们考虑使用t 分布的ARMA(1,1)-GARCH(1,1)过程。

模拟一条路径(用于说明目的)。

代码语言:javascript
复制


nu <- 3
fixed.p <- list(mu = 0, #   mu (intercept)
ar1 = 0.5, #   phi_1 (AR(1) 参数 of mu_t)
ma1 = 0.3, #   theta_1 (MA(1) 参数 of mu_t)
omega = 4, #   alpha_0 (intercept)
alpha1 = 0.4, #   alpha_1 (GARCH(1) 参数 of sigma_t^2)
beta1 = 0.2, #   beta_1 (GARCH(1) 参数 of sigma_t^2)
shape = nu) #
armaOrder <- c(1,1) # ARMA 参数
garchOrder <- c(1,1) # GARCH 参数
varModel <- list(model = "sGARCH", garchOrder = garchOrder)
spec <- ugarchspec(varModel, mean.model = list(armaOrder = armaOrder),
fixed.pars = fixed.p, distribution.model = "std") # t 标准残差

作为一个完整性检查,让我们绘制模拟路径,条件标准偏差和残差。

代码语言:javascript
复制
plot(X,   type = "l", xlab = "t", ylab = expression(X[t]))
plot(sig, type = "h", xlab = "t", ylab = expression(sigma[t]))
代码语言:javascript
复制


plot(eps, type = "l", xlab = "t", ylab = expression(epsilon[t]))

2将ARMA-GARCH模型拟合到(模拟)数据

拟合ARMA-GARCH流程 。

让我们再考虑一些健全性检查。

代码语言:javascript
复制
## 拟合 an ARMA(1,1)-GARCH(1,1) model
spec <- ugarchspec(varModel, mean.model = list(armaOrder = armaOrder),
distribution.model = "std") #
fit <- ugarchfit(spec, data = X) # fit


##
mu. <- fitted(fit) # 拟合 hat{mu}_t (= hat{X}_t)
sig. <- sigma(fit) # 拟合 hat{sigma}_t


##
stopifnot(all.equal(as.numeric(mu.),  fit@fit$fitted.values),
all.equal(as.numeric(sig.), fit@fit$sigma))

3计算VaR时间序列

计算VaR估计值。请注意,我们也可以在这里使用基于GPD的估算器。

4 Backtest VaR估计值

让我们回顾一下VaR的估计。

代码语言:javascript
复制
## [1] 10
## [1] 12
## [1] "Correct Exceedances"
## [1] "Fail to Reject H0"
## [1] "Correct Exceedances & Independent"
## [1] "Fail to Reject H0"

5基于拟合模型预测VaR

现在预测VaR。

6模拟X_t的未来轨迹并计算相应的VaR

模拟路径,估计每个模拟路径的VaR(注意quantile()这里不能使用,因此我们必须手动构建VaR并计算VaR _的bootstrap置信区间。

7

最后,让我们显示所有结果。

非常感谢您阅读本文,有任何问题请在下面留言!

本文参与 腾讯云自媒体分享计划,分享自微信公众号。
原始发表:2020-11-11,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 拓端数据部落 微信公众号,前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体分享计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
目录
  • 原文链接:http://tecdat.cn/?p=3186
  • 1 从ARMA-GARCH进程模拟(log-return)数据
  • 2将ARMA-GARCH模型拟合到(模拟)数据
  • 3计算VaR时间序列
  • 4 Backtest VaR估计值
  • 5基于拟合模型预测VaR
  • 6模拟X_t的未来轨迹并计算相应的VaR
  • 7
  • 非常感谢您阅读本文,有任何问题请在下面留言!
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档