GARCH 工具箱允许您对单变量的金融和经济时序数据波动性进行建模，并且提供了对条件变异进行分析的框架。该工具箱提供了几种 GARCH （Generalized Autoregressive Conditional Heteroskedasticity 广义自回归条件异方差
）模型，包括标准的 GARCH/ARCH 模型，还有针对资产回报杠杆效果捕获的不对称 EGARCH 和 GJR
模型。    　GARCH 工具箱允许您对单变量回报进行 Monte Carlo 模拟，生成最小均方差预测，在条件异方差存在的时候，进行金融时序的预估计和趋势估计分析。该工具箱同时还提供了常用的经济时序建模功能，包括模拟、估计、自回归预测（Forcasting  of  autoregressive （AR ））、移动平均、ARMA 和回归模型　
使用单变量　ＧＡＲＣＨ　模型进行金融波动性分析　
  关　键　特　性    　
  ■　支持 ARCH 、GARCH 、EGARCH 、　
    和 GJR （TGARCH ）条件变异模型　
■  支持 ARMAX 条件均值模型 
tool工具箱■  使用 ARMAX 条件均值和条件变异模型，      加上 Gaussian 扰动进行最大似然参数估计 
  　■  使用条件均值和条件变异模型，对条件均值      和波动进行最小均方差预测　
  　■  多目标时间序列估计、模拟和线性滤波预测　
■  前后预测诊断和假设测试，包括 Engle      ARCH 测试、Q 测试、相似率测试 
■  图形分析，包括自相关、互相关和部分自相关      　
  　■  时序数据的处理和转换    　
一个典型债券收益序列 GARCH （1,1）模型的对数相似函数等高线图　
产　品　依　赖　
      ■　MATLAB　
■　Financial Toolbox　
■　Statistics Toolbox　
    　■　Optimization Toolbox　
garchplot 函数示例　

版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。