1999年1月4日到2010年8月20日美元/欧元汇率的日对数收益率序列,该序列以百分比表示。TGARCH(1,1)模型拟合波动率和标准化不确定差(残差)。在2009~2010年期间,波动率较高,可能有厚尾现象。
Tgarch模型常用表述股票市场的杠杆效应。所谓杠杆效应是用一个小的变化带动大的变化,在股市就是控制几个优势股票,期望控制大盘走向。Tgarch模型的有效性看系数。
1.R语言程序
> library(xlsx)
> library(rJava)
> library(xlsxjars)
> library(xts)
> library(fBasics)
> library(fGarch)
> library(fUnitRoots)
>library(timeSeries)
> da=read.table("D:/d-useu9910.txt",header=T) # 读.txt文件
> source('D:/Tgarch11.R') #编译Tgarch11.R程序
> fx=log(da$rate) #日收益率
> eu=diff(fx)*100
> m1=Tgarch11(eu) #建立日收益率 Tgarch模型
Log likelihood at MLEs:
[1] -2731.832
Coefficient(s):
Estimate Std. Error t value Pr(>|t|)
mu 0.012241538 0.010729917 1.14088 0.253920 #不显著
omega 0.001275042 0.000618464 2.06163 0.039243 * #显著
alpha 0.022347060 0.005249443 4.25703 2.0716e-05 *** #显著
gam1 0.012516426 0.007062560 1.77222 0.076358 .
beta 0.968720381 0.004357860 222.29268 < 2.22e-16 ***
---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1 #符号表示
> names(m1) #m1的行名
"residuals" "volatility" "par"
> at=m1$residuals[1] #不确定差
> sigt=m1$volatility #波动率
> resi=at/sigt
> Box.test(resi,lag=10,type='Ljung') #LB检验,不确定差
Box-Ljung test
data: resi
X-squared = 13.382, df = 10, p-value = 0.2031 #Q(10)=13.382
> Box.test(resi,lag=20,type='Ljung')
Box-Ljung test
data: resi
X-squared = 22.873, df = 20, p-value = 0.2951 # Q(20)=22.873
> Box.test(resi^2,lag=10,type='Ljung') #不确定差平方LB检验
Box-Ljung test
data: resi^2
X-squared = 12.893, df = 10, p-value = 0.2297 #Q(10)=12.893
> Box.test(resi^2,lag=20,type='Ljung')
Box-Ljung test
data: resi^2
X-squared = 27.23, df = 20, p-value = 0.1289 #Q(20)=27.23
均值方程不显著,而波动率方程所有系数的估计都显著。
杠杆效应显著。p值0.038。
2.R语言的处理
访问Tgarch模型的一个系数。
> y=m1$par #提取tgarch模型的系数
> y
mu omega alpha gam1 beta
0.012241538 0.001275042 0.022347060 0.012516426 0.968720381
> names(y)
[1] "mu" "omega" "alpha" "gam1" "beta"
> class(y) #系数类型,数值型
[1] "numeric"
> y[4] #访问第4个系数
gam1
0.01251643