本文显示了如何基于潜在的ARMA-GARCH过程（当然也涉及更广泛意义上的QRM）来拟合和预测风险价值（VaR）。
1 从ARMA-GARCH进程模拟（log-return）数据
我们考虑使用\（t \）分布式创新的ARMA（1,1）-GARCH（1,1）过程。
模拟一条路径（用于说明目的）。
nu <- 3 # d.o.f. of the standardized distribution of Z_t
fixed.p <- list(mu = 0, # our mu (intercept)
ar1 = 0.5, # our phi_1 (AR(1) parameter of mu_t) ma1 = 0.3, # our theta_1 (MA(1) parameter of mu_t) omega = 4, # our alpha_0 (intercept) alpha1 = 0.4, # our alpha_1 (GARCH(1) parameter of sigma_t^2) beta1 = 0.2, # our beta_1 (GARCH(1) parameter of sigma_t^2) shape = nu) # d.o.f. nu for standardized t_nu innovations armaOrder <- c(1,1) # ARMA order garchOrder <- c(1,1) # GARCH order varModel <- list(model = "sGARCH", garchOrder = garchOrder) spec <- ugarchspec(varModel, mean.model = list(armaOrder = armaOrder), fixed.pars = fixed.p, distribution.model = "std") # t standardized residuals
作为一个完整性检查，让我们绘制模拟路径，条件标准偏差和残差。
plot(X, type = "l", xlab = "t", ylab = expression(X[t]))
plot(sig, type = "h", xlab = "t", ylab = expression(sigma[t]))
plot(eps, type = "l", xlab = "t", ylab = expression(epsilon[t]))
2将ARMA-GARCH模型拟合到（模拟）数据
适合ARMA-GARCH流程X（在此处使用正确的已知订单;通常适合不同订单的流程然后决定）。
扫描二维码关注公众号，回复：
6151927 查看本文章
让我们再考虑一些健全性检查。
## Fit an ARMA(1,1)-GARCH(1,1) model
spec <- ugarchspec(varModel, mean.model = list(armaOrder = armaOrder),
distribution.model = "std") # without fixed parameters here
fit <- ugarchfit(spec, data = X) # fit
## Extract the resulting series
mu. <- fitted(fit) # fitted hat{mu}_t (= hat{X}_t)
sig. <- sigma(fit) # fitted hat{sigma}_t
## Sanity checks (=> fitted() and sigma() grab out the right quantities)
stopifnot(all.equal(as.numeric(mu.), fit@fit$fitted.values),
all.equal(as.numeric(sig.), fit@fit$sigma))
3计算VaR时间序列
计算VaR估计值。请注意，我们也可以在这里使用基于GPD的估算器。
4 Backtest VaR估计值
让我们回顾一下VaR的估计。
## [1] 10## [1] 12## [1] "Correct Exceedances"## [1] "Fail to Reject H0"## [1] "Correct Exceedances & Independent"## [1] "Fail to Reject H0"5基于拟合模型预测VaR
现在预测VaR。
6模拟\（（X_t）\）的未来轨迹并计算相应的VaR
模拟路径，估计每个模拟路径的VaR（注意quantile()这里不能使用，因此我们必须手动构建VaR）并计算\（\ mathrm {VaR} _ \ alpha \）的自举置信区间。
7
最后，让我们显示所有结果。
有问题吗？联系我们！
大数据部落 -中国专业的第三方数据服务提供商，提供定制化的一站式数据挖掘和统计分析咨询服务
统计分析和数据挖掘咨询服务：y0.cn/teradat（咨询服务请联系官网客服）
QQ：3025393450
【服务场景】
科研项目; 公司项目外包;线上线下一对一培训;数据采集;学术研究;报告撰写;市场调查。
【大数据部落】提供定制化的一站式数据挖掘和统计分析咨询服务
