Stata Predict GARCH

我想做一件很容易的事，但它不起作用！Stata Predict GARCH

我需要看到GARCH模型的預測（和錯誤）。主要變量es「dowclose」，我的想法是看看GARCH模型是否適合這個變量。

即時通訊使用這個簡單的代碼，但預測都只是0的

webuse dow1.dta 
arch dowclose, noconstant arch(1) garch(1) 
predict dow_hat, y

ARCH結果：

ARCH family regression 

Sample: 1 - 9341         Number of obs =  9341 
Distribution: Gaussian        Wald chi2(.) =   . 
Log likelihood = -76191.43       Prob > chi2  =   . 

------------------------------------------------------------------------------ 
     |     OPG 
dowclose |  Coef. Std. Err.  z P>|z|  [95% Conf. Interval] 
-------------+---------------------------------------------------------------- 
    arch | 
    L1. | 1.00144 6.418855  0.16 0.876 -11.57929 13.58217 
     | 
    garch | 
    L1. | -.001033 6.264372 -0.00 1.000 -12.27898 12.27691 
     | 
    _cons | 56.60589 620784.7  0.00 1.000  -1216659  1216772 
------------------------------------------------------------------------------

來源

2014-05-05 Marcelo_Ortiz

這是可以預料的：你有沒有協變量，沒有攔截，所以沒有什麼預測。

下面是一個簡單OLS迴歸，使問題明顯：

. sysuse auto 
(1978 Automobile Data) 

. reg price, nocons 

     Source |  SS  df  MS    Number of obs =  74 
-------------+------------------------------   F( 0, 74) = 0.00 
     Model |   0  0   .   Prob > F  =  . 
    Residual | 3.4478e+09 74 46592355.7   R-squared  = 0.0000 
-------------+------------------------------   Adj R-squared = 0.0000 
     Total | 3.4478e+09 74 46592355.7   Root MSE  = 6825.9 

------------------------------------------------------------------------------ 
     price |  Coef. Std. Err.  t P>|t|  [95% Conf. Interval] 
------------------------------------------------------------------------------ 

. predict phat 
(option xb assumed; fitted values) 

. sum phat 

    Variable |  Obs  Mean Std. Dev.  Min  Max 
-------------+-------------------------------------------------------- 
     phat |  74   0   0   0   0

來源

2014-05-06 22:47:58

@Dimitry非常感謝您的答覆。你能給我一個例子來預測你的反應，但使用「拱」而不是「reg」。也許這很容易，但我不能這樣做。 –

@Marcelo_Ortiz我不太關注你的問題。讓我以稍微不同的方式再試一次。 ARCH及其推廣是通過給出時間序列的條件方差的AR結構，同時保持常數無條件方差來模擬時變波動性。這些是關於錯誤的假設。但是如果你沒有預測因素（甚至不是常數），你強加的模型就是你的結果在每個時期都是零。因此你的預測是零。我的迴歸示例通過刪除所有複雜的錯誤術語業務來清楚地說明問題。 –

@Dimitry謝謝，你的意思是這兩個coef。在stata輸出中顯示的僅僅是「dowclose」的條件方差？所以，我需要另一個模型來預測使用這種GARCh模型的「收盤價」對於他的波動性嗎？ –

Stata Predict GARCH

回答

相關問題