Я оценил приведенную ниже модель с помощью gjr-garch11:
gjrgarch11n.spec = ugarchspec(variance.model = list(model = "gjrGARCH", garchOrder=c(1,1)), mean.model = list(armaOrder=c(1,0), include.mean = TRUE), distribution.model = "norm")
Я также применил к своим данным, как показано ниже:
FDAX.gjrgarch11n.fit = ugarchfit(spec = gjrgarch11n.spec, data = FDAX.log.ret, out.sample = 2410, solver.control = list(trace = 1))
Мой вопрос, как я могуПрогнозировать волатильность на шаг вперед, подбирая модель каждый день (отбрасывая первое в данных и добавляя новое, и снова пересчитывая GARCH)?Мои полные выборочные данные 3410, модель вписывается только в первые 1000 данных, и прогнозирование волатильности должно быть сделано на out.sample 2410.
Второй вопрос, как я могу оценить VaR после этого для альфа 0,01,0,025,05 и предполагая t и норму распределения для VaR?Я также хотел бы проверить свой VaR с использованием тестов Купека и Кристоферсена.