0
我正在使用rugarch软件包，而且我很难理解external.regressors是如何工作的。使用外部回归器的Rugarch软件包
例如，我期望用gjr-garch（1,1）拟合时间序列应该给出与用S_（t-1）增加普通香草garch（1,1）拟合相同时间序列相同的结果， 1）* eps_（t-1）^ 2作为外部回归因子。
但是我没有得到相同的结果。
具体而言，这是我运行的代码：
rm(list = ls()) # empty memory
library(rugarch)
library(xts)
data(sp500ret)
spx <- xts(sp500ret, as.Date(rownames(sp500ret)))
t = length(spx)
# assuming mu = 0; r_t = eps_t
s = rep(0,t)
for(i in 1:t){
if(spx[i]<0){s[i]=1}
}
# eps.neg represents the leverage effect regressor
eps.neg <- xts(spx*s, as.Date(rownames(sp500ret)))
colnames(eps.neg)<-"eps.neg"
# lag eps.neg
eps.neg.lag = lag(eps.neg,1)
inputs<-na.omit(cbind(spx, eps.neg.lag, join="left"))
# gjrgarch(1,1)
gjr.spec <- ugarchspec(variance.model = list(model='gjrGARCH', garchOrder=c(1,1),
external.regressors = NULL, variance.targeting = T),
mean.model = list(armaOrder=c(0,0)),fixed.pars=list(mu = 0))
gjr.fit <- ugarchfit(spec=gjr.spec, data=inputs[,1],
solver.control=list(trace = 1))
# garch(1,1) augmented with inputs[,2]
aug.s.spec <- ugarchspec(variance.model = list(model='sGARCH', garchOrder=c(1,1),
external.regressors = inputs[,2]^2, variance.targeting = T),
mean.model = list(armaOrder=c(0,0)),fixed.pars=list(mu = 0))
aug.s.fit <- ugarchfit(spec=aug.s.spec, data=inputs[,1],
solver.control=list(trace = 1))
#results
gjr.fit
aug.s.fit
然而，这些是结果：
GJR-GARCH（1,1）
Robust Standard Errors:
Estimate Std. Error t value Pr(>|t|)
mu 0.000000 NA NA NA
alpha1 0.007933 0.000184 43.139 0
beta1 0.909048 0.000008 117316.512 0
gamma1 0.139258 0.004006 34.764 0
omega 0.000002 NA NA NA
增强-GARCH（ 1,1）
Robust Standard Errors:
Estimate Std. Error t value Pr(>|t|)
mu 0.000000 NA NA NA
alpha1 0.085378 0.002123 4.0223e+01 0.00000
beta1 0.904696 0.000001 1.0116e+06 0.00000
vxreg1 0.000000 0.000060 1.6700e-04 0.99987
omega 0.000001 NA NA NA
我想要ct vxreg1和gamma1相当，这是不会发生的！
我在做什么错？
我错过了外部回归器良好的默认边界。 012- setbounds（aug.s.spec）< - list（“vxreg1”= c（-1,1）） 设置外部回归器的边界我得到非常相似的结果，但不完全相同... – Luigi