Question

首先，我使用GARCH（1,1）模型模拟数据。现在我想通过最大似然估计使用模拟数据的参数。我用Python编写了一个代码，但是当我运行它时，我获得了与初始化相同的参数值。希望可以有人帮帮我！！这是我的代码：

   ###########################################################
   ### GenrGARCH(dOmega, dAlpha, dBeta, iN):
   def GenrGARCH(dOmega, dAlpha, dBeta, iN):

   dS2 = dOmega/(1 - dAlpha - dBeta)

   vEps = np.random.normal(size=iN);

   # Define Time Series Vector
    vS2 = np.zeros_like(vEps);
    vY = np.zeros_like(vEps);

   # Estimation
   for t in range(iN):
      vY[t] = np.sqrt(dS2) * vEps[t]
      vS2[t]= dS2
      # Update
      dS2 = dOmega + dAlpha * vY[t]**2 + dBeta * dS2

     return (vY, vS2)

      ###########################################################
      ##### Estimate univariate GARCH(1,1)

      def neg_loglike(theta, vY, vS2):

          ll = -0.5*(np.log(2*np.pi)) - 0.5*(np.log(vS2)) - 0.5*(np.transpose(vY))**2/vS2;
          llvalue = np.mean(ll)
          return (theta, vY, vS2)


         # Optimization Options
       theta_start = np.array([0.1,0.05,0.94])
        res = minimize(neg_loglike, theta_start, method = 'Nelder-  Mead', 
       options={'disp': True})


        ###########################################################
        ### main
       def main():
          # Magic numbers
             iN = 10000
             dOmega = 0.1
            dAlpha = 0.05
            dBeta = 0.94

              # Estimation
             (vY, vS2)= GenrGARCH(dOmega, dAlpha, dBeta, iN)


              # Output
             Output(vY, vS2)

真的希望有人可以帮助我。谢谢！！

通过python中的最大似然估计参数

0 个答案: