Оцінено три структури моделей динаміки умовної дисперсії, які використано для однокрокового прогнозування на навчальній та перевіряльній вибірках. Для оцінювання параметрів моделей використано метод Монте-Карло для марковських ланцюгів. Оцінки прогнозів волатильності, обчислені на основі МСВ та моделі Е-УАРУГ, демонструють схожі результати, що підтверджує коректність використаного підходу загалом.
To guarantee the non-negativity of the conditional variance of the GARCH process, it is sufficient to assume the non-negativity of its parameters. This condition was empirically violated besides rendering the GARCH model more restrictive. It was subsequently relaxed for some GARCH orders by necessary and sufficient constraints. In this paper, we generalized an approach for the QML estimation of the GARCH$(p,q)$ parameters for all orders $p\geq 1$ and $q\ge 1$ using a constrained Kalman filter. Such an approach allows a relaxed QML estimation of the GARCH without th
This paper proposes a method of finding functional relationships in dynamical systems on the set of input data by clonal hybrid algorithm and clonal synthesized using polynomial algorithm neural network. The technology of building models heteroscedastic processes.