¿Cómo corregir un modelo GARCH para tratar con la falta de la reversión a la media de la volatilidad?

Question

Actualmente estoy tratando de modelo y pronóstico de la volatilidad de bitcoin, pero no han sido capaces de encontrar un GARCH modelo que se ajusta a los datos de forma adecuada. He utilizado la garrapata de datos de la muestra a intervalos de 1 hora durante un período de 2 años, y los han convertido en cada hora de las devoluciones. El mejor modelo que he sido capaz de producir hasta ahora es una garch asimétrico (3,3) del modelo.

La unión stat es 198.4**

alfa(1)+beta(1) 1.02753

He intentado GARCH-M,EGARCH,TGARCH todo a (3,3). Por alguna razón no puedo especificar (p,q) sea mayor que 3? ¿Qué medidas puedo tomar para mejorar el modelo más?

Sería beneficioso para dar cuenta de la estacionalidad o saltos similair a todrov (2011) y andersen y bollerslev(2005)?

Nota: los limitados conocimientos de programación así que preferiría evitar la R, la salida producida por PCGIVE10.

Answer 1

Para la pregunta del título,

La reversión a la media de la volatilidad se debe a la Media móvil de parte de la volatilidad del proceso. La solución sería establecer $\beta = 0$. En otras palabras, usted tiene que utilizar un AR el proceso de la volatilidad (para un ARCO de modelo para el precio).

La restricción en p y q venir desde el proceso de estimación de los parámetros. Pruebe diferentes combinaciones de parámetros para encontrar la más probable. Al aumentar el número de parámetro que va a tener más combinaciones para probar y en general la probabilidad de buenos candidatos, también crecerá. Por lo que la dificultad para estimar los parámetros de crecimiento muy rápido, con p y q.

Mi experiencia en la búsqueda de adaptar los modelos es que usted no puede probar todos los modelos y encontrar a uno de ellos que trabaja. Usted tiene que estudiar los datos. Usted no será capaz de mejorar el modelo sin entender cual es el problema con su modelo (la falta de estacionalidad/reversión a la media/saltar etc ?).