Arturito

-------------------------------------------------
ARCH , GARCH , EGARCH
1.-VIEW/ GRAPH /OK (varianza aumenta y disminuye en el tiempo no es constante, no estáfocalizada la varianza es persistente,botalidad,podemos tener un modelo que tiene una forma arch hetercedastica autorregresiva).
2.- view/ descriptive statitics/ histograma andstats( si fueran normales la curtosis fuera 3 y sus colas no deben ser anchas, si es así es simétrica si no es asimétrica)
3.- view / correlograma/ días o mes/ ok (lo quesale en ar y ma se le pone en la ecuación tener consideración en am hasta 8 y en ar todos los que pasen de las líneas punteadas)
Ls variable c ar() ma() , ver si las ar yma son significativas
4.-AUTOCORRELACION(view / residual correlacio/ lm test/ dia o mes / ok)
Si hay autocorrelacion debemos ver los rezagos significativos para ponerlosen el modelo p<0.05 ; ls variable c ar() ar() …. Ma() ; si sigue viendo autocorrelacion en esta ecuación entonces se toman los rezagos hasta 10%. Y si no hubieraautocorrelacion nos quedamos con el modelo.
5.-HETEROCEDASTYCIDA ( view /residual diagnosty /heterocedasty /arch / # rezagos añadidos a la ecuación(mensual 12 y días 7) /ok )H0: no hay efecto arch p<0.05 se rechaza H0
H1:si hay efecto arch
6.-estimate /method arch / (garch/tarch) ARCH
Arch (# de rezagos de la media)- poner el# de rezagos añadidos en la ecucion
Garch(# de rezagos de la varianza) –cero ok
7.- GARCH: es mejor que el arch y es equivalente al arch(infinito)
Arch(1)
Garch(1) ok -persistencia en la varianza ……….
8.-EGARCH( estímate / model egarch / ok)
Las malas o buenas nocitias influye mas en la varianza que las buenas o malas noticias