library(fGarch)
library(FinTS)
omega = 1e-06
alpha = 0.1
beta = 0.8
spec = garchSpec(model = list(omega, alpha, beta))
x <- garchSim(spec, n = 1000)
ts.plot(x)
res <- garchFit( formula = ~garch(1, 1), data = x )
cat(sprintf("%f %f %f\n",omega,alpha,beta))
cat(sprintf("%s\n",attributes(res)$fit$coef))

library(fACD)
library(FinTS)
C <- array(1:1);
C$w = 0.1
C$p = 0.5
C$q = 0.3
x <- ACD_Simul(1000, C, "exp", "ACD")
ts.plot(x)
res <- ACD_Fit(x,1,1,"exp","ACD")
CC <- attributes(res)$Coeff
AIC = -2.0*attributes(res)$LL
AIC = AIC +2.0*attributes(res)$sizeModel$nParameters
cat(sprintf("%f %f %f %f\n",CC$w,CC$p,CC$q,AIC))

library(yuima)
# define yuima calss data
# x.logprcは対数価格ベクトル, x.hmsはタイムスタンプ
xprc <- zoo(x.logprc,order.by=x.hms)	
# zoo()によって, 非等間隔時系列データを作成
yprc <- zoo(y.logprc,order.by=y.hms) 	
# 2つの非等間隔時系列データを結合(マージ) 
xyprc<- merge.zoo(xprc,yprc)		
# setData()によって, yuimaクラスとして登録
xyprc.yuima <- setData(xyprc) 		
# calculate correlation
# PHY法,  タイムスタンプは1秒単位(utime=1)
cce(xyprc.yuima,method="PHY",utime=1)	
cce(xyprc.yuima,method="SIML",utime=1) 	# SIML法
cce(xyprc.yuima,method="RK",c.RK=1, utime=1)	# RK法
cce(xyprc.yuima,method="TSCV",c.two=1, utime=1)	# TSCV法

pks <- function(x){
  i<-1
  cdf <- 0.0
  while (1) {
    d <- 2.0*exp(-2.0*(2*i-1)*(2*i-1)*x*x)
    d <- d - 2.0*exp(-2.0*(2*i)*(2*i)*x*x)
    if(d < 1e-16) break
    cdf <- cdf + d
    i <- i+1
  }
  cdf
}
KStest <- function(x){
  x <- x[!is.na(x)]
  n <- length(x)
  PVAL <- NULL
  sx <- sort(x)
  xx <- c(1:n)
  for(i in 1:n){
    xx[i] <- length(sx[sx<sx[i]])/length(x)
  }
  y <- pnorm(sx,mean(sx),sd(sx))
  D <- max(abs(y-xx)*sqrt(n))
  PVAL <- pks(D) 
  cat(sprintf("D=%f, p=%f\n",D,PVAL))
}
x<-rnorm(300)
KStest(x)