Cómo lidiar con la negativa de ARCO términos?

Question

Últimamente he estado tratando de adaptarse a un GJR-GARCH(1,1) para el modelo de ajuste contra el S&P 500 devuelve más de 1985-2015, pero me he topado con algunos problemas de no acabo de entender. El GJR-GARCH(1,1) para el modelo que yo estoy tratando de ejecutar se especifica como sigue: \begin{align} &R_{t} = \mu + \eta_t \\ &\eta_t = \sigma_{t-1} \epsilon_t, \epsilon_t \sim (0,\sigma^{2}_{\epsilon}) \nonumber \\ \sigma^{2}_{t} &= \alpha_0 + \alpha_1\eta^{2}_{t} + \beta_1 \sigma^{2}_{t-1} + \gamma_1 \eta^{2}_{t} I_{\eta < 0}(\eta_{t}) \end{align}

Sin embargo, el parámetro $\alpha_1$ parece ser negativo (-0.058767) y también estadísticamente significativa (valor de p de 0.3952), mientras que en una normal GARCH(1,1) modelo del ARCO parámetro no parecen tener este problema. A mí me parece que la influencia del parámetro $\gamma_1$ está afectando a $\alpha_1$ en una "mala" manera. Mi pregunta ahora es ¿cómo puedo lidiar con el $\alpha_1$ parámetro? las cosas que puedo llegar a son:

1. Quitar el $\alpha_1$ por completo de la modelo, como es estadísticamente insignificante. Sin embargo, creo que no se puede hacer eso fácilmente...
2. Palo para el GARCH(1,1) modelo donde $\alpha_1$ es estadísticamente significativa y positiva y no lidiar con los efectos de palanca.

Pero todavía no puedo encontrar una respuesta concluyente a este problema. Gracias.

Answer 1

Antes de montar GJR-GARCH modelo, asegúrese primero de que la volatilidad de exhibición de la señal de bias. Si no hay ninguna señal de bias (sólo ARCO efecto), entonces no hay necesidad de ajustar GJR-GARCH modelo. También mira esta respuesta: La prueba para misspecification de modelo GARCH.

Si los datos tienen signo del sesgo y los parámetros de GJR-GARCH modelo viene a ser negativo, entonces usted puede poner obligado en sus parámetros como se señalaba en @Olaf. Pero esa opción no está disponible en E-Views. Como alternativa, puede utilizar la dirección de E-GARCH (modelo E GARCH está disponible en E-Views). E-GARCH modelo también se considera signo de sesgo en la volatilidad y, al mismo tiempo, excluye la posibilidad de negativo de la volatilidad, independientemente de cantar de los parámetros del modelo.

Answer 2

Me gustaría ver el significado general de la modelo GARCH en comparación con el modelo GJR. El uso de lo que proporciona un mejor ajuste.