Al construir un modelo GARCH(1,1) sobre una longitud de tiempo $\delta$ Estoy considerando el siguiente procedimiento. El propósito de este procedimiento es dar más muestras de entrenamiento (calibración) que muestras consecutivas no superpuestas. \begin{align} \nu(k\delta,(k+1)\delta) &= \omega+\alpha r((k-1)\delta,k\delta)^2+\beta \nu((k-1)\delta,k\delta) \\ \nu\big((k+0.5)\delta,(k+1.5)\delta\big) &= \omega+\alpha\,r\big((k-0.5)\delta,(k+0.5)\delta\big)^2+\beta\,\nu\big((k-0.5)\delta,(k+0.5)\delta\big) \end{align} para $k\in \bf \bar{Z^-}$ , donde $\nu(s,t)$ representa la varianza entre el tiempo $s$ y $t$ , $r(s,t)$ el retorno entre $s$ y $t$ . Calibro la tupla de parámetros $(\omega, \alpha, \beta)$ simultáneamente con las ecuaciones anteriores para intervalos de tiempo superpuestos.
Utilizo el siguiente método para estimar los parámetros. Definir $\displaystyle l(k):=\ln v(k\delta,(k+1)\delta)+\frac{r(k\delta,(k+1)\delta)^2}{v(k\delta,(k+1)\delta))}$ y $$-2\,\text{Log-Likelihood}=(k_1+k_2)\ln(2\pi)+\sum_{k}l(k)+\sum_{k}l(k-0.5)$$ donde $k_1$ y $k_2$ son los números de intervalos en las dos secuencias de intervalos que no se solapan. Esta función $-2\,\text{Log-Likelihood}$ se minimiza para más de $(\omega,\alpha,\beta)$ .
¿Es esto legítimo?
0 votos
¿Qué es exactamente lo que quiere conseguir con esto? :-)
0 votos
@Pleb: Acabo de añadir la motivación. ¿Tiene sentido para ti?