如何使用rugarch包预测样品的挥发性？

Question

spec=ugarchspec(variance.model = list(model="gjrGARCH",garchOrder=c(1,1)),mean.model = list(armaOrder = c(0,0)))
fit<-ugarchfit(spec,Momentum.daily$WML)

garch<- unlist(sigma(fit),recursive = TRUE)

names(garch)<-paste("Garch-o-")

Momentum.126day.Var<-rollapply(log(Momentum.daily$WML+1)^2,126,sum,by=1)
Momentum.126day.Var<-Momentum.126day.Var^0.5
Momentum.126day.Var<-as.xts(Momentum.126day.Var[1:22665], order.by=Momentum.daily$date[127:22791] )



Momentum.21day.Var<- rollapply((log(Momentum.daily$WML+1)^2),22,sum,by=1)
Momentum.21dayfut.Var<-as.xts(Momentum.21day.Var, order.by = Momentum.daily$date[22:22791])
Momentum.21dayfut.Var<-Momentum.21dayfut.Var^0.5

所以这些是我进行回归的成分（当然，我将它们转换为月波动率，并在矩阵中进行匹配）。我想对滞后的126天收益率波动率和我的Garch估计波动率进行回归，得出未来22天的实现波动率（Momentum.21dayfut）。但是，我的Garch系数是正确的，但我认为sigma（fit）不是我样本的Garch估计的正确估计。

这就是我想做的。 sigma（fit）（适合我的ugarchfit结果）是由我的Garch系数构造的样本的估计波动率吗？还是我必须使用系数计算每个时间点的波动率？

第二个问题：由于我需要每月估算线性回归，我能否将126天的实现波动率除以6 ^ 0.5，然后将Garch波动率乘以21 ^ 0.5？

感谢您的帮助！