arima模型matlab实现_matlab预测ARMA-GARCH 条件均值和方差模型

原文链接：

http://tecdat.cn/?p=2841​tecdat.cn

此示例显示MATLAB如何从复合条件均值和方差模型预测 和条件差异。

步骤1加载数据并拟合模型

加载工具箱附带的纳斯达克数据。将条件均值和方差模型拟合到数据中。

nasdaq = DataTable.NASDAQ; r = price2ret(nasdaq); N = length(r); model = arima('ARLa gs' 1,'Variance',garch(1,1),... 'Distrib ution','t'); fit = estimate(mode ,r,'Variance0',{'Constant0',0.001}); ARIMA(1,0,0) Model (t Distribution): Value StandardError TStatistic PValue _________ _____________ __________ __________ Constant 0.0012326 0.00018163 6.786 1.1528e-11 AR{1} 0.066389 0.021398 3.1026 0.0019182 DoF 14.839 2.2588 6.5693 5.0539e-11 GARCH(1,1) Conditional Variance Model (t Distribution): Value StandardError TStatistic PValue __________ _____________ __________ __________ Constant 3.4488e-06 8.3938e-07 4.1087 3.9788e-05 GARCH{1} 0.82904 0.015535 53.365 0 ARCH{1} 0.16048 0.016331 9.8268 8.6333e-23 DoF 14.839 2.2588 6.5693 5.0539e-11 [E0,V0] = infer(fit,r);

第2步预测收益和条件差异

使用forecast计算回报状语从句：条件方差为1000周期的未来视界的MMSE预测。使用观察到的回报和推断残差以及条件方差作为预采样数据。

[Y,YMS E,V] = forecast(fit, 100 0,'Y 0',r,'E0', E0, 'V0' ,V0); upper = Y + 1.96*sqrt(YMSE); lower = Y - 1.96*sqrt(YMSE); figure subplot(2,1,1) plot(r,'Color',[.75,.75,.75]) hold on plot(N+1:N+1000,Y,'r','LineWidth',2) plot(N+1:N+1000,[upper,lower],'k--','LineWidth',1.5) xlim([0,N+1000]) title('Forecasted Returns') hold off subplot(2,1,2) plot(V0,'Color',[.75,.75,.75]) hold on plot(N+1:N+1000,V,'r','LineWidth',2); xlim([0,N+1000]) title('Forecasted Conditional Variances') hold off

​

条件方差预测收敛于GARCH条件方差模型的渐近方差。预测的收益收敛于估计的模型常数（AR条件均值模型的无条件均值）。