Я пытаюсь использовать код MATLAB для многомерного моделирования GARCH.
Чтобы быть абсолютно конкретным, я пытаюсь смоделировать 
Для этого я использую Kevin Shepards Multivariate GARCH.
Я не уверен, какую программу лучше использовать (их много), но я выбрал matrix_garch, это звучит наиболее просто.
Официальной документации по этому коду нет, но есть некоторая информация в начале кода ...
У меня возникла путаница, и я понял, что если я хочу использовать опцию параметра, мне нужно вставить 6, получим ap = 1, o = 0, q = 0 и 9 для ap = 1, o = 0, q = 1.
Может ли кто-нибудь сказать мне, возможно ли моделировать модель, используя параметры, изображенные на картинке выше? все k установлены на 1, а матрица A равна [0,2 0,7; 0 0,9]
Заранее большое спасибо!
function [simulatedata,ht,pseudorc]=matrix_garch_simulate(t,k,parameters,p,o,q,m)
% Simulation of symmetric and asymmetric MATRIX multivariate GARCH models
%
% USAGE:
% [SIMULATEDATA, HT, PSEUDORC] = matrix_garch_simulate(T, K, PARAMETERS, P, O, Q, M)
%
% INPUTS:
% T - Length of the time series to be simulated
% K - Cross-sectional dimension
% PARAMETERS - A 3-D matrix of K by K matrices where
% CC' = PARAMETERS(:,:,1), AA'(j)=PARAMETERS(:,:,1+j),
% GG'(j) = PARAMETERS(:,:,1+P+j), BB'(j)=PARAMETERS(:,:,1+P+Q+j)
% -OR- a K(K+1)/2*(1+P+O+Q) by 1 vector of parameters of
% the form returned my calling matrix_garch
% P - Positive, scalar integer representing the number of lags of the innovation process
% O - Non-negative scalar integer representing the number of asymmetric lags to include
% Q - Non-negative scalar integer representing the number of lags of conditional covariance
% M - [OPTIONAL] Number of ``intradaily'' returns to simulate to pseudo-Realized
% Covariance. If omitted, set to 72.
%
% OUTPUTS:
% SIMULATEDATA - A time series with constant conditional correlation covariance
% HT - A [k k t] matrix of simulated conditional covariances
% PSEUDORC - A [k k t] matrix of pseudo-Realized Covariances
%
% COMMENTS:
% The conditional variance, H(t), of a MATRIX GARCH is modeled as follows:
%
% H(t) = CC' + AA'(1).*r_{t-1}'*r_{t-1} + ... + AA'(P).*r_{t-P}'*r_{t-P}
% + GG(1)'.*n_{t-1}'*n_{t-1} + ... + GG(O)'.*n_{t-P}'*n_{t-P}
% + BB(1)'.*H(t-1) +...+ BB(Q)'.*H(t-q)
%
% where n_{t} = r_{t} .* (r_{t}<0). If using realized measures, the
% RM_{t-1} replaces r_{t-1}'*r_{t-1}, and the asymmetric version
% replaces n_{t-1}'*n_{t-1}