Identifique heterocedacidade condicional
TimeSeriesModelFit verifica automaticamente se há heterocedacidade condicional em dados e ajusta modelos ARCH/GARCH aos dados.
Crie uma série temporal de rendimentos diários de ações da empresa Starbucks.
mostre o input completo de Wolfram Languageoculte o input
Out[3]= | ![](HTMLImages.pt-br/identify-conditional-heteroscedacity/O_8.png) |
Compute a função de autocorrelação.
mostre o input completo de Wolfram Languageoculte o input
Out[5]= | ![](HTMLImages.pt-br/identify-conditional-heteroscedacity/O_9.png) |
Teste para autocorrelação na sequência de rendimentos.
Out[6]= | ![](HTMLImages.pt-br/identify-conditional-heteroscedacity/O_10.png) |
A série temporal retornada não é autocorrelacionada, mas seu quadrado é.
Out[8]= | ![](HTMLImages.pt-br/identify-conditional-heteroscedacity/O_11.png) |
Out[9]= | ![](HTMLImages.pt-br/identify-conditional-heteroscedacity/O_12.png) |
TimeSeriesModelFit determina a família GARCH como o melhor ajuste para os dados.
Out[10]= | ![](HTMLImages.pt-br/identify-conditional-heteroscedacity/O_13.png) |
Encontre o processo ajustado.
Out[11]= | ![](HTMLImages.pt-br/identify-conditional-heteroscedacity/O_14.png) |
Os resíduos do modelo parecem não ser correlacionados.
Out[12]= | ![](HTMLImages.pt-br/identify-conditional-heteroscedacity/O_15.png) |
Out[13]= | ![](HTMLImages.pt-br/identify-conditional-heteroscedacity/O_16.png) |
Use TimeSeriesModel para calcular intervalos de confiança da previsão do futuro.
Out[15]= | ![](HTMLImages.pt-br/identify-conditional-heteroscedacity/O_17.png) |