如何解决使用 AIC
数据：
dput(head(mydata))
structure(list(DATE = structure(c(-315619200,-312940800,-310435200,-307756800,-305164800,-302486400),tzone = "UTC",class = c("POSIXct","POSIXt")),RF = c(0.33,0.29,0.35,0.19,0.27,0.24),RMRF = c(-6.99,0.99,-1.46,-1.7,3.08,2.09),SMB = c(2.13,0.71,-0.65,0.32,1.42,-0.24),UMD = c(-3.28,3.59,1.85,2.6,4.77,1.03),HML = c(2.65,-2.15,-2.69,-2.22,-3.83,-0.3),JANDUM = c(1,0),R4 = c(-4.57,1.5,-2.83,-1.98,3.54,2.15)),row.names = c(NA,-6L),class = c("tbl_df","tbl","data.frame"))
我的数据包含：
R4 是投资组合的百分比回报，RF 是无风险商品的回报（无风险利率），RMRF 是投资组合的超额回报 Market Portfolio，SMB、UMD 和 HML 是 3 个因子，JANDUM 是一月份的虚拟变量（January Dummy）。
数据是从 1/1960 到 12/2003 的每月频率（总共有 528 次观察）。
我构建以下代码的目的是“将投资组合超额收益 (R4-RF) 回归到一个常数和所有其他变量（RMRF、SMB、UMD、HML 和 JANDUM）”。
mydata$PER <-mydata$R4 - mydata$RF
mydata$JANDUM <- as.factor(mydata$JANDUM)
# Fit regression model
model <- lm(PER ~ DATE + RMRF + SMB + UMD + HML + JANDUM,data = mydata)
summary(model)
我想构建 Garch 模型，看看使用 AIC 的最佳模型是什么。
model1 <- garch (model$residuals,c(1,1),trace =False)
model2 <- garch (model$residuals,c(2,trace =False)
我必须遵循的程序是什么？
版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 dio@foxmail.com 举报，一经查实，本站将立刻删除。
