Оценка VaR в R

Question

Я оценил приведенную ниже модель с gjr-garch11:

gjrgarch11n.spec = ugarchspec(variance.model = list(model = "gjrGARCH", garchOrder=c(1,1)), mean.model = list(armaOrder=c(1,0), include.mean = TRUE), distribution.model = "norm")

Я также приспособился к своим данным, как показано ниже:

FDAX.gjrgarch11n.fit = ugarchfit(spec = gjrgarch11n.spec, data = FDAX.log.ret, out.sample = 2410, solver.control = list(trace = 1))

Мой вопрос заключается в том, как я могу прогнозировать волатильность на один шаг вперед, подбирая модель каждый день (отбрасывая первое в данных и добавляя новое, и снова пересчитывая GARCH)? Мои полные выборочные данные - 3410, модель помещается только в первые 1000 данных, и прогнозирование волатильности должно быть сделано на исходной выборке 2410.

Второй вопрос, как я могу оценить VaR после этого для альфа 0,01,0,025,05 и предположить распределение t и нормы для VaR? Я также хотел бы проверить мой VaR, используя тесты Купека и Кристоферсена.