r - R中GARCH的仿真

我正在做一个GARCH模型的仿真。该模型本身不太相关，我想问您的是关于在R中优化仿真的方法。如果您看到矢量化的余地，我想的就是更多，但我看不到。到目前为止，我所拥有的是:

让:

#    ht=cond.variance in t
#    zt= random number
#    et = error term
#    ret= return
#    Horizon= n periods ahead

所以这是代码:

randhelp= function(horizon=horizon){
    ret <- zt <- et <- rep(NA,horizon)#initialize ret and zt et
    for( j in 1:horizon){
      zt[j]= rnorm(1,0,1)
      et[j] = zt[j]*sqrt(ht[j])
      ret[j]=mu + et[j]

      ht[j+1]= omega+ alpha1*et[j]^2 + beta1*ht[j]
    }
    return(sum(ret))
  }

我想从现在开始模拟5个周期的 yield ，所以我将运行这个假设为10000。

#initial values of the simulation
ndraws=10000
horizon=5 #5 periods ahead
ht=rep(NA,horizon) #initialize ht
ht[1] = 0.0002
alpha1=0.027
beta1 =0.963
mu=0.001
omega=0


sumret=sapply(1:ndraws,function(x) randhelp(horizon))

我认为这运行得相当快，但是我想问你是否有更好的方法来解决这个问题。

谢谢!

最佳答案

您可以使用大小为N的向量来代替在循环中使用数字:
删除隐藏在sapply中的循环。

randhelp <- function(
  horizon=5, N=1e4,
  h0 = 2e-4,
  mu = 0, omega=0,
  alpha1 = 0.027,
  beta1  = 0.963
){
  ret <- zt <- et <- ht <- matrix(NA, nc=horizon, nr=N)
  ht[,1] <- h0
  for(j in 1:horizon){
    zt[,j]   <- rnorm(N,0,1)
    et[,j]   <- zt[,j]*sqrt(ht[,j])
    ret[,j]  <- mu + et[,j]
    if( j < horizon )
      ht[,j+1] <- omega+ alpha1*et[,j]^2 + beta1*ht[,j]
  }
  apply(ret, 1, sum)
}
x <- randhelp(N=1e5)

关于r - R中GARCH的仿真，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/9969962/