R语言 rugarch包 ghyptransform()函数中文帮助文档(中英文对照)

loveR

ghyptransform(rugarch)
ghyptransform()所属R语言包：rugarch

                                        Distribution: Generalized Hyperbolic Transformation and Scaling
                                         分布：广义双曲正切变换和缩放

                                         译者：生物统计家园网 机器人LoveR

描述----------Description----------

The function scales the distributions from the (0, 1) zeta-rho GARCH  parametrization to the alpha-beta parametrization and performs the appropriate scaling to the parameters given the estimated sigma and mu.
功能尺度的分布（0，1）的Z-RHO GARCH参数化的α-β参数化，并进行适当的调整，以给定的参数估计的标准差和万亩。


用法----------Usage----------


ghyptransform(mu = 0, sigma = 1,  skew = 0, shape = 3, lambda = -0.5)



参数----------Arguments----------

参数：mu
Either the conditional time-varying (vector) or unconditional mean estimated  from the GARCH process.
无论是有条件的时变（矢量）或无条件均值估计的GARCH过程中。


参数：sigma
The conditional time-varying (vector) sigma estimated from the GARCH process.
有条件的时变（矢量）的Σ估计的GARCH过程中。


参数：skew, shape, lambda
The conditional non-time varying skewness (rho) and shape (zeta) parameters  estimated from the GARCH process (zeta-rho), and the GHYP lambda parameter  ("dlambda" in the estimation).
的条件的非时变偏斜度（ρ）和形状（zeta）中从GARCH过程（ζ-rho沸石），以及GHYP lambda参数（dlambda在估计）估计的参数。


Details

详细信息----------Details----------

The GHYP transformation is taken from Rmetrics internal function and scaled as  in Blaesild (see references).
从Rmetrics内部功能的GHYP转型和缩放如在Blaesild（请参阅参考资料）。


值----------Value----------

A matrix of size nrows(sigma) x 4 of the scaled and transformed parameters to be used in the alpha-beta parametrized GHYP distribution functions.
甲大小的nrows矩阵（Σ）×4中使用的α-β的参数化GHYP分布函数的缩放和变换的参数。


（作者）----------Author(s)----------



Diethelm Wuertz for the Rmetrics <font face="Courier New,Courier" color="#666666"><b>R</b></font>-port of the nig transformation function.<br>
Alexios Ghalanos for rugarch implementation.<br>




参考文献----------References----------

distributions, with an application to Johannsen's bean data, Biometrika, 68, 251&ndash;263.<br> Eberlein, E. and Prauss, K. 2000, The Generalized Hyperbolic Model Financial  Derivatives and Risk Measures, Mathematical Finance Bachelier Congress, 245&ndash;267.
转载请注明:出自 生物统计家园网(http://www.biostatistic.net)。


注：
注1：为了方便大家学习，本文档为生物统计家园网机器人LoveR翻译而成，仅供个人R语言学习参考使用，生物统计家园保留版权。
注2：由于是机器人自动翻译，难免有不准确之处，使用时仔细对照中、英文内容进行反复理解，可以帮助R语言的学习。
注3：如遇到不准确之处，请在本贴的后面进行回帖，我们会逐渐进行修订。