R語言GARCH-DCC模型和DCC（MVT）建模估計

原文連接：http://tecdat.cn/?p=7194

這個簡短的演示說明了使用r軟件包的DCC模型及其方法的使用，尤爲是在存在MVT分佈形狀參數的狀況下進行2級DCC估計的另外一種方法。

第一階段並將其傳遞給dccfit

 cl = makePSOCKcluster(10)

multf = multifit(uspec, Dat, cluster = cl)

接下來，估計DCC模型。

fit1 = dccfit(spec1, data = Dat, fit.control = list(eval.se = TRUE), fit = multf, cluster = cl)

爲了在實踐中擬合DCC（MVT）模型，要麼假定第一階段的QML，要麼必須在階段中共同估算共同的形狀參數。在下面的示例中，一種替代方法用於估計近似共同形狀參數。

似然度和形狀參數變化的圖代表，只需幾回迭代便可收斂到穩定值。

shape參數的值表示峯度爲1.06。對非對稱DCC（MVT）模型重複進行擬合。

xspec = ugarchspec(mean.model = list(armaOrder = c(1,1)), variance.model = list(garchOrder = c(1,1), model = "eGARCH"),  distribution.model = "norm")

下表顯示了估算模型的摘要，係數旁邊的星號表示顯着性水平（*** 1％，* 5％， 10％）。

##           DCC-MVN   aDCC-MVN    DCC-MVL   aDCC-MVL      DCC-MVT     aDCC-MVT
## a      0.00784*** 0.00639*** 0.00618***  0.0055***   0.00665***    0.00623***
## b      0.97119*** 0.96956*** 0.97624*** 0.97468***   0.97841***    0.97784***
## g                    0.00439               0.00237                 0.00134
## shape                                                9.63947***    9.72587***
## LogLik      22812      22814      22858      22859        23188         23188

下圖表說明了來自不一樣模型的一些動態相關性：

終止集羣對象：

stopCluster(cl)

---

參考文獻

1.用機器學習識別不斷變化的股市情況—隱馬爾科夫模型(HMM)的應用

2.R語言GARCH-DCC模型和DCC（MVT）建模估計

3.R語言實現 Copula 算法建模依賴性案例分析報告

4.R語言COPULAS和金融時間序列數據VaR分析

5.R語言多元COPULA GARCH 模型時間序列預測

6.用R語言實現神經網絡預測股票實例

7.r語言預測波動率的實現：ARCH模型與HAR-RV模型

8.R語言如何作馬爾科夫轉換模型markov switching model

9.matlab使用Copula仿真優化市場風險