Корректная оценка AR-части в AR-GARCH в Python - PullRequest
Новая
       22

Корректная оценка AR-части в AR-GARCH в Python

0 голосов
/ 18 октября 2018

Я использую библиотеку arch для моделирования процесса AR-GARCH.В конце я хотел бы использовать его для прогнозирования доходности акций.Однако у меня возникают проблемы с пониманием части среднего уравнения и ее прогнозов. 

# Simulate an AR(1) process with alpha = 0.6
import numpy as np
np.random.seed(1)
n_samples = int(1000)
a = 0.6
x = w = np.random.normal(size=n_samples)

for t in range(n_samples):
    x[t] = a*x[t-1] + w[t]

#1
from statsmodels.tsa.ar_model import AR
model = AR(x).fit(maxlag=1, ic='aic', trend='c')
model.params
# array([0.03921603, 0.57963722])

#2
from arch.univariate import ARX
arx = ARX(x, lags=[1])
res = arx.fit()

#3
from arch import arch_model
am = arch_model(x, mean='ARX', vol = 'Garch', lags=1)
res = am.fit()
res.summary()

Точки 1 и 2 дают те же результаты, что и следовало ожидать.Однако в третьей части коэффициенты из модели AR-GARCH отличаются.Это почему?Потому что, насколько я понимаю, части AR и GARCH разделены и должны давать одинаковый результат.Это также объясняет, каковы средние прогнозы, полученные библиотекой arch - являются ли они доходами в случае акций (включая прогноз волатильности) или только условной средней частью, получаемой из процесса AR.

Приветствия!

...