python - 如何在 R 或 Python 语言中以状态空间形式估计 GARCH-M?
问题描述
我需要以状态空间形式估计 GARCH-M 以找到随时间变化的风险厌恶。模型是这样的:
其中 r 是任何资产的回报。
我试图在Eviews中使用卡尔曼滤波器估计这个模型,以返回任何资产,但该模型总是返回错误。EViews 中存在一个错误,即它无法估计状态方程中存在非线性误差的状态空间模型。
我的问题是:
1 - 有没有办法线性化这个模型?
2 - 在这种情况下,我尝试使用卡尔曼滤波器,如Chou and Engle, 1992中的那样。但还有其他方法吗?
3 - 有一个 R 或 Python 库来估计这个模型?
我在这里看到了一个类似的问题,但是链接到可能的图书馆,回答所提供问题的人不起作用。
我感谢任何帮助。
解决方案
推荐阅读
- ios - VStack 中 FrameHeight 低于 1 不准确
- cassandra - 填充 Cassandra 数据库的最佳方法
- c# - 如何在有大量数据的 Blazor 中使用 DevExpress DataGrid 的 VirtualScrolling 功能?
- python - 获取拖放目标pyqt5
- performance - 卡夫卡消费者延迟
- javascript - React.js 在 props 上使用 array.prototype.map 返回空数组
- pytorch - 拥抱脸 - RuntimeError:在 Azure Databricks 上的设备 0 上的副本 0 中捕获 RuntimeError
- swagger - Swagger 发送和接收数组
- java - 在链表操作中使用哨兵节点
- windows - 是否允许将路径作为 URL 传递给 Media Foundation?