如何在R中找到ARMA（1,1） - MCsGARCH（1,1）模型的预期日内回报？
答案 0 :(得分：0)
我认为你在这里混淆了一些东西。没有“预期的日内回报”，对于ARMA（1,1） - MCsGARCH（1,1），只有对下一个时期/日的波动性的估计（sigma，正如您在评论中已经注意到的那样） ）。
我 假设 您指的是您提供的网站上的最后一个情节，这意味着您想要知道VaR（风险价值）用估算程序的波动率计算。
如果你看一下用于提供情节的代码：
D = as.POSIXct(rownames(roll@forecast$VaR))
VaRplot(0.01, actual = xts(roll@forecast$VaR[, 3], D), VaR = xts(roll@forecast$VaR[,1], D))
您可以看到VaR（和返回）从对象roll中获取的位置。在运行模拟之后（不更改示例中的任何变量名称），您可以将它们存储在变量中以供以后使用，如下所示：
my_VaR = roll@forecast$VaR[, 1]
my_act = roll@forecast$VaR[, 3]
VaR, 1]是VaR的第一个听众。如果你检查str(roll)，那么你最后会看到：
要在评论中说明您的意见：
查看变量df（从as.data.frame(roll)生成，可能包含您要查找的内容。
我想比较预期回报和实际回报。
这似乎在Cross Validated方向上有所偏差，但我会尝试简要介绍一下。
GARCH模型主要用于波动率预测，并了解时间序列的波动率动态（和/或多变量模型中的相关动态）。现在因为方差是of the second moment，它转换为平方，所以它总是正的。但回报总是积极的吗？当然他们不是。这意味着波动率预测让我们了解下一个时期的回报幅度，但在那时我们不知道它将是正回报还是负回报。那就是风险价值（VaR）发挥作用。
拿e。 G。拥有一项资产的投资组合经理。使用GARCH模型，他可以预测下一个时期的波动性（假设他使用的是每日回报系列，那么那将是明天）。交易者观察他们投资组合的风险，它比潜在的机会更加密切监控。因此，通过波动性预测，他可以很好地猜测他明天的资产价值下降的风险。 95％-VaR可以说1000欧元意味着，明天的风险（或损失）概率为95％，不会超过1,000欧元。更高的可能性带来更少的确定性，因此99％-VaR会更高，例如。 G。 1,500欧元。
要把它包起来：没有“预期的”回归，明天只有一个波动率预测会给出明天的回报（从不确定） 可以结果。使用VaR，这可用于风险管理。这就是您提供的文章的最后部分所做的工作。
ugarchsim和roll功能有什么区别？
您可以查看rugarch package的文档，其中详细说明了每个函数及其属性。如果您想将模型拟合到完整的时间序列，我会快速浏览一下ugarchsim。最后一个标准偏差是下一个时期的预测。 ugarchroll的文档说：
ugarchroll-methods {rugarch}功能：单变量GARCH滚动 密度预测和回溯测试
描述
从ARMA-GARCH模型创建滚动密度预测的方法，其中包含用于重新安排每n个周期的选项 并行功能。用于预测也是如此 回溯测试。
如果你想测试你的模型在过去的执行情况。它只需要e。 G。提供的前300个数据点并给出数据点301的预测。然后将VaR（95％或99％）与数据点301的实现返回进行比较。然后重新拟合模型，给出数据点302的预测，依此类推上。
编辑：添加了评论中问题的答案。