給定 ugarchforecast 結果，如何計算 RMSE、MAE？

鑑於過去 20 年的 S&P500 回報，我使用 rugarch 包擬合了 ARMA(1,1)-GARCH(1,1) 模型，因此使用 ugarchspec() 和 ugarchfit()，具有不同的創新分佈，即 norm、std , 格。我的任務是評估和比較不同模型的預測性能，但我很難弄清楚如何去做。然後我將 ugarchforecast 用作：

spec <- ugarchspec(variance.model = list("sGARCH", garch0rder = c(1,1), 
submodel = NULL, external.regressors = NULL, variance.targeting = F),     
mean.model = list(arma0rder = c(1,1), include.mean = T, archm = F,     
archpow=1, arfima = F, external.regressors = NULL, archex = FALSE),  
distribution.model = "norm", fixed.pars = list(ar1 = 0.6170, ma1 =    
-0.6824,  mu = 2e-04))
garch <- ugarchfit(spec, ret, out.sample = 100, solver = "solnp",     
fit.control = list(stationarity = 1, fixed.se = 0, rec.init = "all"))
fore <- ugarchforecast(garch, n.ahead = 100, n.roll = 100)

那個程序正確嗎？我現在應該如何通過比較 MSE、RMSE、MAE 來評估預測性能？

謝謝你！

要比較各種模型之間的性能，您需要實際波動率或實際波動率的代理（實際波動率總是不可觀察的）。

閱讀這篇論文（下面提供的連結），其中作者解釋了以前的作者如何建構實際波動率或實際波動率。

論文：預測金融市場的波動性：Poon 和 Granger 的評論。這是最好的論文之一，作者回顧了 93 篇與波動率預測相關的論文，並詳細涵蓋了各個方面。

引用自：https://quant.stackexchange.com/questions/24538