R - モデリング多変量GARCH（ルガールとccgarch）

Question

ここで初めて質問をするときは、私は明示するように最善を尽くしますが、もっと情報を提供しなければならないかどうか教えてください！第二に、それは長い質問です...うまくいけば簡単に誰かのために解決する;）！だから "R"を使って、私は多変量GARCHモデルをいくつかの論文に基づいてモデリングしています（Manera et al。2012）。

私は、平均方程式の外部回帰子を用いた定数条件付き相関（CCC）モデルと動的条件付き相関（DCC）モデルをモデル化します。 CCC/DCCモデル用の "ccgarch"パッケージ（バージョン0.2.0-2）を使用して、 "R"バージョン3.0.1とパッケージ "rugarch"バージョン1.2-2を使用して単変量GARCHを実行します。 （私は現在、 "rmgarch"パッケージを探していますが、それはDCCのためだけだと思われ、CCCモデルも必要です）。

私のモデルの平均式に問題があります。上記の論文では、CCCモデルとDCCモデルの平均方程式のパラメータ推定値が変化しています。そして、私はどのようにしてRでそれを行うのか分かりません... （現在、GoogleとTsayの本「金融時系列分析」とEngleの本「間違いを見いだすための相関予測」を参照）

「私の平均方程式はCCCとDCCモデルの間で変化しません」という意味は次のとおりです。パッケージrugarchを使ってn = 5の時系列に対して単変量GARCHを指定します。次に、GARCH（ARCH + GARCH用語）の推定パラメータを使用し、CCCとDCCの両方の関数 "eccc.sim（）"と "dcc.sim（）"に使用します。次に、eccc.estimation（）関数とdcc.estimation（）関数から、分散方程式と相関行列の見積もりを取得できます。しかし、平均方程式ではない。

単変量モデルとCCCモデルのRコード（再現可能なものとオリジナルのもの）を投稿します。私の記事を読んでくれてありがとう!!!!!

注：以下のコードでは、 "data.repl"はdim 843x22（9日分の商品リターンシリーズと説明変数シリーズ）の "動物園"オブジェクトです。多変量GARCHは5系列のみです。

再現コード：

# libraries: 
library(rugarch) 
library(ccgarch) 
library(quantmod) 
# Creating fake data: 
dataRegr <- matrix(rep(rnorm(3149, 11, 1),1), ncol=1, nrow=3149) 
dataFuelsLag1 <- matrix(rep(rnorm(3149, 24, 8),2), ncol=2, nrow=3149) 
#S&P 500 via quantmod and Yahoo Finance 
T0 <- "2000-06-23" 
T1 <- "2012-12-31" 
getSymbols("^GSPC", src="yahoo", from=T0, to=T1) 
sp500.close <- GSPC[,"GSPC.Close"], 
getSymbols("UBS", src="yahoo", from=T0, to=T1) 
ubs.close <- UBS[,"UBS.Close"] 
dataReplic <- merge(sp500.close, ubs.close, all=TRUE) 
dataReplic[which(is.na(dataReplic[,2])),2] <- 0 #replace NA 

### (G)ARCH modelling ### 
######################### 
# External regressors: macrovariables and all fuels+biofuel Working's T index 
ext.regr.ext <- dataRegr 
regre.fuels <- cbind(dataFuelsLag1, dataRegr) 
### spec of GARCH(1,1) spec with AR(1) ### 
garch11.fuels <- as.list(1:2) 
for(i in 1:2){ 
    garch11.fuels[[i]] <- ugarchspec(mean.model = list(armaOrder=c(1,0), 
                external.regressors = as.matrix(regre.fuels[,-i]))) 
} 

### fit of GARCH(1,1) AR(1) ### 
garch11.fuels.fit <- as.list(1:2) 
for(i in 1:2){ 
    garch11.fuels.fit[[i]] <- ugarchfit(garch11.fuels[[i]], dataReplic[,i]) 
} 
################################################################## 
#### CCC fuels: with external regression in the mean eqaution #### 
################################################################## 
nObs <- length(data.repl[-1,1]) 
coef.unlist <- sapply(garch11.fuels.fit, coef) 
cccFuels.a <- rep(0.1, 2) 
cccFuels.A <- diag(coef.unlist[6,]) 
cccFuels.B <- diag(coef.unlist[7, ]) 
cccFuels.R <- corr.test(data.repl[,fuels.ind], data.repl[,fuels.ind])$r 

# model=extended (Jeantheau (1998)) 
ccc.fuels.sim <- eccc.sim(nobs = nObs, a=cccFuels.a, A=cccFuels.A, 
          B=cccFuels.B, R=cccFuels.R, model="extended") 
ccc.fuels.eps <- ccc.fuels.sim$eps 
ccc.fuels.est <- eccc.estimation(a=cccFuels.a, A=cccFuels.A, 
           B=cccFuels.B, R=cccFuels.R, 
           dvar=ccc.fuels.eps, model="extended") 
ccc.fuels.condCorr <- round(corr.test(ccc.fuels.est$std.resid, 
             ccc.fuels.est$std.resid)$r,digits=3) 

私の元のコード：

### (G)ARCH modelling ### 
######################### 
# External regressors: macrovariables and all fuels+biofuel Working's T index 
ext.regr.ext <- as.matrix(data.repl[-1,c(10:13, 16, 19:22)]) 
regre.fuels <- cbind(fuel.lag1, ext.regr.ext) #fuel.lag1 is the pre-lagged series 
### spec of GARCH(1,1) spec with AR(1) ### 
garch11.fuels <- as.list(1:5) 
for(i in 1:5){ 
    garch11.fuels[[i]] <- ugarchspec(mean.model = list(armaOrder=c(1,0), 
            external.regressors = as.matrix(regre.fuels[,-i]))) 
}# regre.fuels[,-i] => "-i" because I model an AR(1) for each mean equation 

### fit of GARCH(1,1) AR(1) ### 
garch11.fuels.fit <- as.list(1:5) 
for(i in 1:5){ 
    j <- i 
    if(j==5){j <- 7} #because 5th "fuels" is actually column #7 in data.repl 
    garch11.fuels.fit[[i]] <- ugarchfit(garch11.fuels[[i]], as.matrix(data.repl[-1,j]))) 
} 

#fuelsLag1.names <- paste(cmdty.names[fuels.ind], "(-1)") 
fuelsLag1.names <- cmdty.names[fuels.ind] 
rowNames.ext <- c("Constant", fuelsLag1.names, "Working's T Gasoline", "Working's T Heating Oil", 
       "Working's T Natural Gas", "Working's T Crude Oil", 
       "Working's T Soybean Oil", "Junk Bond", "T-bill", 
       "SP500", "Exch.Rate") 
ic.n <- c("Akaike", "Bayes") 
garch11.ext.univSpec <- univ.spec(garch11.fuels.fit, ols.fit.ext, rowNames.ext, 
            rowNum=c(1:15), colNames=cmdty.names[fuels.ind], 
            ccc=TRUE) 
################################################################## 
#### CCC fuels: with external regression in the mean eqaution #### 
################################################################## 
# From my GARCH(1,1)-AR(1) model, I extract ARCH and GARCH 
# in order to model a CCC GARCH model: 
nObs <- length(data.repl[-1,1]) 
coef.unlist <- sapply(garch11.fuels.fit, coef) 

cccFuels.a <- rep(0.1, length(fuels.ind)) 
cccFuels.A <- diag(coef.unlist[17,]) 
cccFuels.B <- diag(coef.unlist[18, ]) 
#based on Engle(2009) book, page 31: 
cccFuels.R <- corr.test(data.repl[,fuels.ind], data.repl[,fuels.ind])$r 

# model=extended (Jeantheau (1998)) 
# "allow the squared errors and variances of the series to affect 
# the dynamics of the individual conditional variances 
ccc.fuels.sim <- eccc.sim(nobs = nObs, a=cccFuels.a, A=cccFuels.A, 
            B=cccFuels.B, R=cccFuels.R, model="extended") 
ccc.fuels.eps <- ccc.fuels.sim$eps 
ccc.fuels.est <- eccc.estimation(a=cccFuels.a, A=cccFuels.A, 
              B=cccFuels.B, R=cccFuels.R, 
              dvar=ccc.fuels.eps, model="extended") 
ccc.fuels.condCorr <- round(corr.test(ccc.fuels.est$std.resid, 
             ccc.fuels.est$std.resid)$r,digits=3) 
colnames(ccc.fuels.condCorr) <- cmdty.names[fuels.ind] 
rownames(ccc.fuels.condCorr) <- cmdty.names[fuels.ind] 
lowerTri(ccc.fuels.condCorr, rep=NA) 

Answer 1

あなたは、多変量GARCHモデルのパッケージ全体rmgarchがあることを認識していますか？そのDESCRIPTIONパー

は、それは、GO-GARCHと コピュラ-GARCHをDCCなどの

実行可能な多変量GARCHモデルをカバーしています。