我一直在努力应对波动率预测。 在网上挖掘之后，我想出了一个准解决方案。但是，结果对我来说没有意义。 我想预测未来多天的波动性。我得到的sigma增加了n.ahead = 50的加班时间。我希望看到未来50天的波动性。但它不能总是增加。
说我想从今天+ 20天预测西格玛。 我该怎么做才能正确？任何提示将不胜感激。 也许我应该使用ugarchroll呢？
library(quantmod)
library(rugarch)
data<-getSymbols("SPY", from="2000-01-01")
dailyreturn<-dailyReturn(SPY$SPY.Adjusted)
mydata<-dailyreturn[,1]
model<-ugarchspec(variance.model = list(model = "sGARCH", garchOrder = c(1, 1)), mean.model = list(armaOrder = c(0, 0), include.mean = FALSE), distribution.model = "norm")
modelfit<-ugarchfit(spec=model,data=mydata)
data = mydata[1:3521, ,drop=FALSE]
spec = getspec(modelfit)
setfixed(spec) <- as.list(coef(modelfit))
forecast = ugarchforecast(spec, n.ahead = 50, n.roll = 3520, data = mydata[1:3521, ,drop=FALSE], out.sample = 3520)
sigma(forecast)
plot(forecast)
非常感谢！
答案 0 :(得分：0)
在这个网站上，他使用了高频数据和mscGARCH模型。但也许这对你有用。