Neu in Mathematica 10 › Erweiterte Zeitreihenprozesse ›

Bedingte Heteroskedastizität feststellen 

TimeSeriesModelFit testet Daten automatisch auf bedingte Heteroskedastizität und passt ARCH/GARCH-Modelle an die Daten an.

Erstellen Sie eine Zeitreihe mit Daten der täglichen Starbucks Corp.-Aktienrenditen.

Die gesamte Wolfram-Language Eingabe zeigen
In[2]:=
Click for copyable input
X
In[3]:=
Click for copyable input
X
Out[3]=

Berechnen Sie die Autokorrelationsfunktion.

In[4]:=
Click for copyable input
X
Die gesamte Wolfram-Language Eingabe zeigen
Out[5]=

Testen Sie die zurückgegebenen Werte auf Autokorrelation.

In[6]:=
Click for copyable input
X
Out[6]=

Die zurückgegebene Zeitreihe ist nicht autokorreliert, aber ihr Quadrat.

In[7]:=
Click for copyable input
X
In[8]:=
Click for copyable input
X
Out[8]=
In[9]:=
Click for copyable input
X
Out[9]=

TimeSeriesModelFit bestimmt die GARCH-Familie als am besten geeignet für die Daten.

In[10]:=
Click for copyable input
X
Out[10]=

Ermitteln Sie den passenden Prozess.

In[11]:=
Click for copyable input
X
Out[11]=

Es scheint keine Korrelation bei den Modellresiduen vorzuliegen.

In[12]:=
Click for copyable input
X
Out[12]=
In[13]:=
Click for copyable input
X
Out[13]=

Verwenden Sie den TimeSeriesModel-Befehl, um die Konfidenzintervalle für Prognosen zu berechnen.

In[14]:=
Click for copyable input
X
In[15]:=
Click for copyable input
X
Out[15]=

Related Examples

Decide Time Series Process Family and Order from Data Automatically » Identify Conditional Heteroscedacity » Airline Passengers » Constrain the Model Selection Set »
Use Different Criteria for Model Selection » Investigate Time Series Model Residuals » Study Significance of Parameters in Fitted Model » Use Fitted Model to Forecast Time Series »
Model Multiple Exchange Rates » Vector Joint Model versus Univariate Component Models » Use Vector Models with Multiple Strongly Correlated Time Series » Vector Autoregressive Process as Discretized Vector Ornstein–Uhlenbeck Process »
Time Series Processes with Nonzero Mean » Time Series Processes with Initial Conditions » Study Non-weakly Stationary Autoregressive Process » Compute Expectation of Autoregressive Moving-Average Process from Its Definition »
Use Spectral Estimator to Find FARIMA Parameters » Volatility Clustering in a GARCHProcess » Slice Distribution of GARCH(1,1) » Moments of GARCH(1,1) »
Model the Conditional Value at Risk with an ARCHProcess » Expanded Estimation Methods » Broad Performance Improvements »
en es ja pt-br zh