dccfit выходная интерпретация из пакета RMGARCH в R

Question

Во-первых, я сожалею, что размещаю здесь глупый вопрос. Я действительно запутался, так как я очень новичок в R и эконометрическом моделировании. Я сделал dccfit, используя пакет «rmgarch», а ниже - вывод.

*---------------------------------* 
*   DCC GARCH Fit   * 
*---------------------------------* 

Distribution   : mvnorm 
Model    : DCC(1,1) 
No. Parameters  : 62 
[VAR GARCH DCC UncQ] : [0+32+2+28] 
No. Series   : 8 
No. Obs.    : 240 
Log-Likelihood  : 4896.6 
Av.Log-Likelihood : 20.4 

Optimal Parameters 
----------------------------------- 
        Estimate Std. Error t value Pr(>|t|) 
[FTSE100].mu  0.005599 0.003457 1.6195e+00 0.105339 
[FTSE100].omega 0.000100 0.000160 6.2312e-01 0.533205 
[FTSE100].alpha1 0.176637 0.124341 1.4206e+00 0.155436 
[FTSE100].beta1 0.807578 0.072324 1.1166e+01 0.000000 
[MSUSAML].mu  0.007760 0.003077 2.5219e+00 0.011673 
[MSUSAML].omega 0.000056 0.000053 1.0484e+00 0.294455 
[MSUSAML].alpha1 0.092896 0.040348 2.3023e+00 0.021316 
[MSUSAML].beta1 0.886704 0.028933 3.0647e+01 0.000000 
[MSEXUK.].mu  0.009228 0.003421 2.6976e+00 0.006984 
[MSEXUK.].omega 0.000114 0.000189 6.0293e-01 0.546552 
[MSEXUK.].alpha1 0.070957 0.046983 1.5103e+00 0.130978 
[MSEXUK.].beta1 0.889084 0.091959 9.6682e+00 0.000000 
[DAXINDX].mu  0.010099 0.004489 2.2496e+00 0.024474 
[DAXINDX].omega 0.001005 0.000794 1.2650e+00 0.205864 
[DAXINDX].alpha1 0.191733 0.113491 1.6894e+00 0.091142 
[DAXINDX].beta1 0.600585 0.225184 2.6671e+00 0.007651 
[BMUK10Y].mu  0.001496 0.001295 1.1548e+00 0.248181 
[BMUK10Y].omega 0.000000 0.000027 0.0000e+00 1.000000 
[BMUK10Y].alpha1 0.025774 0.174068 1.4807e-01 0.882287 
[BMUK10Y].beta1 0.969964 0.178467 5.4350e+00 0.000000 
[BMUS10Y].mu  0.001069 0.001481 7.2147e-01 0.470623 
[BMUS10Y].omega 0.000021 0.000014 1.4980e+00 0.134123 
[BMUS10Y].alpha1 0.025983 0.024924 1.0425e+00 0.297181 
[BMUS10Y].beta1 0.928892 0.037850 2.4542e+01 0.000000 
[BMBD10Y].mu  0.000893 0.001088 8.2098e-01 0.411657 
[BMBD10Y].omega 0.000000 0.000000 1.2974e-01 0.896774 
[BMBD10Y].alpha1 0.000000 0.000089 7.8000e-05 0.999938 
[BMBD10Y].beta1 0.999000 0.000075 1.3363e+04 0.000000 
[LHUSTRY].mu  0.000170 0.000950 1.7931e-01 0.857694 
[LHUSTRY].omega 0.000007 0.000000 2.2820e+01 0.000000 
[LHUSTRY].alpha1 0.024463 0.001250 1.9571e+01 0.000000 
[LHUSTRY].beta1 0.941022 0.005656 1.6638e+02 0.000000 
[Joint]dcca1  0.017443 0.005703 3.0584e+00 0.002225 
[Joint]dccb1  0.942324 0.012105 7.7843e+01 0.000000 

Information Criteria 
--------------------- 

Akaike  -40.288 
Bayes  -39.389 
Shibata  -40.388 
Hannan-Quinn -39.926 

Может кто-нибудь сказать мне, что означает Pr (> | t |)? Это значение p для параметра? Если да, то у меня есть много незначительных параметров, которые указывают на очень плохую модель, которую я там. Я также попытался запустить примеры из папки rmgarch.tests, но значения Pr (> | t |) для примера также большие (больше 0,05). Любое предложение?

Заранее спасибо.

Answer 1

Да, они p-значения, однако незначительные значения p не означают, что это плохая модель. В информационных критериях внизу рассказывается больше об эффективности общей модели по сравнению с другими препаратами.

Это говорит о том, что, если модель «хорошая», вы должны указать, что вы пытаетесь сделать с моделью. Вы пытаетесь прогнозировать волатильность с помощью модели? Затем модель оценивается по мере отклонения от выбранного образца вашего прогноза от фактических значений. Вы пытаетесь найти переменные, которые влияют на волатильность? Значения , , размер, и значения p конкретных коэффициентов становятся важными (а не просто p-значениями всех коэффициентов).

Как уже упоминалось в комментарии, вы, вероятно, получите лучший ответ, спросив, как оценить производительность вашей модели (указав цель вашей модели) на Cross Validated.