【原创】R语言AR(1)-GARCH MS-GARCH(1,1)-N数据统计分析统计总体要求 .docVIP

【原创】定制代写r/python/spss/matlab/WEKA/sas/sql/C++/stata/eviews数据挖掘和统计分析可视化调研报告等服务（附代码数据）, 咨询邮箱： 3025393450@ 欢迎联系官网客服：/teradat 有问题百度一下“大数据部落”就可以了 拓端咨询 总体要求： 要求一：计算月度通货膨胀率统计量，参考下图： 要求二：估计出AR(1)-GARCH(1,1)-N和AR(1)-GARCH(1,1)-t模型中的待估参数，模型如下： GARCH模型要求的参数较少，但其效果与ARCH模型基本一样，有时甚至优于ARCH模型。一般形式的GARCH（p,q）如下： （5） 实际应用中，模型中的 q 值较小，所以一般的 GARCH(1,1)模型就能够描述大量的金融时间序列数据。取。由于我们主要关注波动率预测，所以使用简化的GARCH模型，该模型采取AR(1)形式的均值方程： （6） 以及以下形式的条件波动率方程： （7） 本文的AR(1)-GARCH(1,1)模型可作如下表示： （8） 其中且以确保正条件方差，是均值为0、方差为1的独立同分布的随机变量序列，通常假定是标准正态的或标准化的学生-t分布。本文将对单机制AR(1)-GARCH(1,1)模型的这两种情况分别进行研究。 特别地，当服从标准化的学生-t分布的时候，的概率密度函数可写为： （9） 参数估计结果参考下图： 要求三：估计出MS-GARCH(1,1)-N和MS-GARCH(1,1)-t模型中的待估参数，模型如下： 状态变量的演变（转换）遵从一阶马尔科夫链，其转换概率如下表示： （10） 表示时刻的状态转换到时刻的状态的概率。一般来讲，转换概率表示为如下的矩阵： （11） 上述矩阵就是最简单的两状态马尔科夫链转换矩阵，状态遍历概率（考虑的前提是非条件概率）计算公式是。 MS-GARCH模型一般包含四个元素：条件均值、条件方差、马尔科夫转换机制以及条件分布。在本文中，我们应用Klaassen(2002)的MS-GARCH形式：（12） 其中，且是一个具有零均值和单位方差的i.i.d过程。 参数估计结果参考下图： 要求四：做出如下图像以及表格： （一）图3：上图绘制出了MS-GARCH-N模型在时间t处通货膨胀率处于状态1的平滑概率，过滤概率和事前概率的时间序列图；下图绘制出了状态2的相同概率 参考下图： 图4：绘制出1990-2018期间中国通货膨胀率的条件波动率： 参考下图： 表四：计算样本内拟合优度 参考下图： NumPar是每个模型中待估参数的数量，其他计算公式如下： （18） （19） （20） （21） （22） （23） （24） （k是参数的个数，T是观测次数） 样本外预测性能：分别预测1-12个月 参考下图： 要求五：要所有详细代码，需要代码说明。