Garch

ARMA-EGARCH模型、集成预测算法对SPX实际波动率进行预测|附代码数据

将其与GARCH模型进行比较。最后，提出了集合预测算法。假设条件实际波动率是看不见的，因此我们只能对其进行估算。这也是波动率建模的难点。如果真实值未知，则很难判断预测质量。
·2022-11-16 23:47

数据挖掘——时间序列算法之ARMA模型

数据挖掘——时间序列算法之ARMA模型ARMA基本说明ARMA建模步骤1、平滑法2、趋势拟合法3、组合模型4、AR模型5、MA模型6、ARMA模型7、ARIMA模型8、ARCH模型9、GARCH模型及其衍生模型
macan_dct·2022-11-16 08:43

数据挖掘——时间序列算法之AR模型

这句话是我在2019年11月21日20:44:39写的，哎时光飞逝啊，过了这么久我才来填这个坑）1、平滑法2、趋势拟合法3、组合模型4、AR模型5、MA模型6、ARMA模型7、ARIMA模型8、ARCH模型9、GARCH
macan_dct·2022-11-16 08:12

【项目实战】Python基于波动率模型(ARCH和GARCH)进行股票数据分析项目实战

说明：这是一个机器学习实战项目（附带数据+代码+文档+代码讲解），如需数据+代码+文档+代码讲解可以直接到文章最后获取。1.项目背景在衍生产品定价和风险管理中，对当前波动率是很感兴趣的，这是因为需要对单一金融资产或者投资组合在一个较短时间内的价值变化进行估计。同时，在对衍生产品定价时，往往需要对衍生产品整个期限内的波动率进行预测，这就需要用到波动率模型。波动率模型的一个显著特点是假设波动率不是常数
胖哥真不错·2022-11-07 15:06

R语言多元Copula GARCH 模型时间序列预测

直观的来说，后者是比前者“波动”更多且随机波动的序列，在一元或多元的情况下，构建Copula函数模型和GARCH模型是最好的选择。
拓端研究室TRL·2022-11-03 18:48

拓端tecdat|R语言预测期货波动率的实现：ARCH与HAR-RV与GARCH，ARFIMA模型比较

全文链接：http://tecdat.cn/?p=3832原文出处：拓端数据部落公众号相关视频：时间序列分析：ARIMAGARCH模型分析股票价格数据时间序列分析模型ARIMA-ARCHGARCH模型分析股票价格数据最近我们被客户要求撰写关于金融时间序列的预测期货波动率的研究报告。波动率是众多定价和风险模型中的关键参数，例如BS定价方法或风险价值的计算。在这个模型中，或者说在教科书中，这些模型中的
拓端研究室TRL·2022-11-03 18:47

深度运用LSTM神经网络并与经典时序模型对比

时间序列分析之GARCH模型介绍与应用前言一：RNN神经网络底层逻辑介绍二：对于梯度消散（爆炸）的原理解释三：LSTM底层理论介绍sigmoid激活函数的意义四：建模预测存在“右偏移”怎么办！
月~时光之笛·2022-09-24 07:20

时间序列预测浅谈

时间序列预测是一个发展历史悠久的技术领域，传统的统计学算法（e.g.ARIMA,ETS,GARCH)以及近年来的机器学习（e.g.广义线性模型，xgboost)、深度学习算法(e.g.LSTM，CNN，
笔写心城·2022-09-08 07:05

金融数据分析期末报告：基于时间序列的回归模型及其应用

目录摘要1引言2回归模型介绍2.1ARCH模型GARCH模型2.3EGARCH模型、TGARCH模型3回归模型扩展应用3.1金融外汇领域3.2农产品领域3.3矿产能源领域3.4电力资源领域4总结参考文献摘要摘要
拔牙不打麻药·2022-07-18 07:40

Matlab随机波动率SV、GARCH用MCMC马尔可夫链蒙特卡罗方法分析汇率时间序列

原文链接：http://tecdat.cn/?p=27340原文出处：拓端数据部落公众号相关视频：马尔可夫链原理可视化解释与R语言区制转换Markovregimeswitching实例马尔可夫链原理可视化解释与R语言区制转换Markovregimeswitching实例，时长07:25相关视频马尔可夫链蒙特卡罗方法MCMC原理与R语言实现，时长08:47波动率是一个重要的概念，在金融和交易中有许多
拓端研究室·2022-07-05 07:21

R语言时间序列：ARIMA / GARCH模型的交易策略在外汇市场预测应用

我们想了解自回归移动平均值（ARIMA）和广义自回归条件异方差（GARCH）模型。它们在量化金融文献中经常被引用。接下来是我对这些模型的理解，基于拟合模型的预测的一般拟合程序和简单交易策略的摘要。
·2022-06-29 17:54

Matlab随机波动率SV、GARCH用MCMC马尔可夫链蒙特卡罗方法分析汇率时间序列

原文链接：http://tecdat.cn/?p=27340波动率是一个重要的概念，在金融和交易中有许多应用。它是期权定价的基础。波动率还可以让您确定资产配置并计算投资组合的风险价值(VaR)。甚至波动率本身也是一种金融工具，例如CBOE的VIX波动率指数。然而，与证券价格或利率不同，波动性无法直接观察到。相反，它通常被衡量为证券或市场指数的收益率历史的统计波动。这种类型的度量称为已实现波动率或历
·2022-06-22 16:47

R语言用GARCH模型波动率建模和预测、回测风险价值 (VaR)分析股市收益率时间序列

原文链接：http://tecdat.cn/?p=26897风险价值(VaR)风险价值(VaR)是金融风险管理中使用最广泛的市场风险度量，也被投资组合经理等从业者用来解释未来市场风险。VaR可以定义为资产在给定时间段内以概率θ超过的市场价值损失。对于收益率rt的时间序列，VaRt将是这样的其中It-1表示时间t-1的信息集。尽管VaR在提供资产组合下行风险的简单总结时具有吸引人的简单性，但没有单一
·2022-05-24 15:34

R语言用多元ARMA,GARCH ,EWMA, ETS,随机波动率SV模型对金融时间序列数据建模

原文链接：http://tecdat.cn/?p=20015本文将说明单变量和多变量金融时间序列的不同模型，特别是条件均值和条件协方差矩阵、波动率的模型。均值模型本节探讨条件均值模型。iid模型我们从简单的iid模型开始。iid模型假定对数收益率xt为N维高斯时间序列：均值和协方差矩阵的样本估计量分别是样本均值和样本协方差矩阵我们从生成数据开始，熟悉该过程并确保估计过程给出正确的结果（即完整性检查
·2022-05-16 17:33

GARCH（1,1），MA以及历史模拟法的VaR比较

解决这个问题的一个强有力的方法是将VaR与GARCH模型结合起来考虑条件波动性。为了说明这种方法，我们将一个正态分布的GARCH（1,1）应用于股票市场指数。##初始化#Loa
·2022-05-13 15:24

R语言使用多元AR-GARCH模型衡量市场风险

原文链接：http://tecdat.cn/?p=19118原文出处：拓端数据部落公众号本文分析将用于制定管理客户和供应商关系的策略准则。假设：贵公司拥有用于生产和分销聚戊二酸的设施，聚戊二酸是一种用于多个行业的化合物。制造和分销过程的投入包括各种石油产品和天然气。价格波动可能非常不稳定。营运资金管理一直是一个挑战，最近汇率的走势严重影响了资金。您的CFO使用期货和场外交易（OTC）工具对冲价格风
·2022-05-07 15:42

R语言GARCH模型对股市sp500收益率bootstrap、滚动估计预测VaR、拟合诊断和蒙特卡罗模拟可视化

=26271介绍Box等人的开创性工作(1994)在自回归移动平均模型领域的相关工作为波动率建模领域的相关工作铺平了道路，分别由Engle(1982)和Bollerslev(1986)引入了ARCH和GARCH
·2022-04-19 15:17

R语言基于ARMA-GARCH-VaR模型拟合和预测实证研究分析案例

p=3186本文显示了如何基于潜在的ARMA-GARCH模型（当然也涉及更广泛意义上的QRM）来拟合和预测风险价值（VaR）。
·2022-04-11 16:24

R语言单变量和多变量（多元）动态条件相关系数DCC-GARCH模型分析股票收益率金融时间序列数据波动率

我们将使用的包是由AlexiosGhalanos编写的rugarch用于单变量GARCH模型和（用于多变量模型）包。rmgarch我们还将使用
·2022-03-25 17:54

R语言用Garch模型和回归模型对股票价格分析

原文链接：http://tecdat.cn/?p=18310原文出处：拓端数据部落公众号为了找出影响价格波动的主要因素，我们使用逐步回归法来剔除一些对于应变量即价格影响很小的自变量剔除出我们的模型，我们分别把WTIPriceField等自变量的名称改为x1，x2……，最后的突发事件需要用到哑变量，哑变量只需要2个即可，我们将其作为X49，X50，X51,三个参数并将它们的值”正影响”、”无影响”、
·2022-03-24 15:07

R语言用Garch模型和回归模型对股票价格分析

原文链接：http://tecdat.cn/?p=18310原文出处：拓端数据部落公众号为了找出影响价格波动的主要因素，我们使用逐步回归法来剔除一些对于应变量即价格影响很小的自变量剔除出我们的模型，我们分别把WTIPriceField等自变量的名称改为x1，x2……，最后的突发事件需要用到哑变量，哑变量只需要2个即可，我们将其作为X49，X50，X51,三个参数并将它们的值”正影响”、”无影响”、
·2022-03-23 16:49

拓端tecdat|R语言ARMA GARCH COPULA模型拟合股票收益率时间序列和模拟可视化

原文链接：http://tecdat.cn/?p=25770原文出处：拓端数据部落公众号在本文中，我们展示了copulaGARCH方法拟合模拟数据和股票数据并进行可视化。r还提供了一个特殊情况（具有正态或学生t残差）。一、如何在R中对股票x和y的收益率拟合copula模型数据集为了这个例子的目的，我使用了一个简单的股票x和y的收益率数据集（x.txt和y.txt）。首先，我们需要加载数据并将其转换
拓端研究室·2022-03-12 13:02

拓端tecdat|R语言多变量广义正交GARCH（GO-GARCH）模型对股市高维波动率时间序列拟合预测

原文链接：http://tecdat.cn/?p=25687原文出处：拓端数据部落公众号在多变量波动率预测中，我们有时会看到对少数主成分驱动的协方差矩阵建模，而不是完整的股票。使用这种因子波动率模型的优势是很多的。首先，你不需要对每个股票单独建模，你可以处理流动性相当弱的股票。第二，因子波动率模型在计算成本低。第三，与指数加权模型相比，持久性参数（通常表示为）不必在所有股票上都是一样的。你可以为每
拓端研究室·2022-03-12 13:02

拓端tecdat|R语言GJR-GARCH和GARCH波动率预测普尔指数时间序列和Mincer Zarnowitz回归、DM检验、JB检验

原文链接：http://tecdat.cn/?p=25569原文出处：拓端数据部落公众号在投资组合管理、风险管理和衍生品定价中，波动性起着重要作用。事实上如此重要，以至于您可以找到比您可以处理的更多的波动率模型。接下来是检查每个模型在样本内外的表现如何。以下是您可以做的三件事：1.基于回归的检验——MincerZarnowitz回归这个想法很简单，回归预测的实际（实现）值：现在我们共同检验假设：截
拓端研究室·2022-03-12 13:30

【视频】时间序列分析：ARIMA-ARCH / GARCH模型分析股票价格

原文链接：http://tecdat.cn/?p=18860时间序列分析模型ARIMA-ARCHGARCH模型分析股票价格数据视频：时间序列分析：ARIMAGARCH模型分析股票价格数据简介时间序列分析是统计学中的一个主要分支，主要侧重于分析数据集以研究数据的特征并提取有意义的统计信息来预测序列的未来值。时序分析有两种方法，即频域和时域。前者主要基于傅立叶变换，而后者则研究序列的自相关，并且使用B
拓端研究室·2022-03-12 13:59

R语言ARMA GARCH COPULA模型拟合股票收益率时间序列和模拟可视化

原文链接：http://tecdat.cn/?p=25770在本文中，我们展示了copulaGARCH方法拟合模拟数据和股票数据并进行可视化。r还提供了一个特殊情况（具有正态或学生t残差）。一、如何在R中对股票x和y的收益率拟合copula模型数据集为了这个例子的目的，我使用了一个简单的股票x和y的收益率数据集（x.txt和y.txt）。首先，我们需要加载数据并将其转换成矩阵格式。也可以选择绘制数
·2022-03-09 15:06

R语言多变量广义正交GARCH（GO-GARCH）模型对股市高维波动率时间序列拟合预测

原文链接：http://tecdat.cn/?p=25687在多变量波动率预测中，我们有时会看到对少数主成分驱动的协方差矩阵建模，而不是完整的股票。使用这种因子波动率模型的优势是很多的。首先，你不需要对每个股票单独建模，你可以处理流动性相当弱的股票。第二，因子波动率模型在计算成本低。第三，与指数加权模型相比，持久性参数（通常表示为）不必在所有股票上都是一样的。你可以为每个因子指定一个不同的过程，这
·2022-03-02 15:24

R语言ARMA-GARCH-COPULA模型和金融时间序列案例

原文链接：http://tecdat.cn/?p=3385原文出处：拓端数据部落公众号最近我被要求撰写关于金融时间序列的copulas的调查。从读取数据中获得各种模型的描述，包括一些图形和统计输出。> oil = read.xlsx（temp，sheetName =“DATA”，dec =“，”）然后我们可以绘制这三个时间序列1 1997-01-10 2.73672 2.25465 3.3673 
·2022-02-28 16:31

R语言GJR-GARCH和GARCH波动率预测普尔指数时间序列和Mincer Zarnowitz回归、DM检验、JB检验

原文链接：http://tecdat.cn/?p=25569在投资组合管理、风险管理和衍生品定价中，波动性起着重要作用。事实上如此重要，以至于您可以找到比您可以处理的更多的波动率模型。接下来是检查每个模型在样本内外的表现如何。以下是您可以做的三件事：1.基于回归的检验——MincerZarnowitz回归这个想法很简单，回归预测的实际（实现）值：现在我们共同检验假设：截距为零意味着你的预测是无偏的
·2022-02-22 17:48

广义自回归条件异方差

GeneralizedAutoRegressiveConditionalHeteroskedasticity(GARCH)GARCH对误差的方差进行了进一步的建模。特别适用于波动性的分析和预测。
携酒同月尝·2022-02-05 18:42

R语言ARIMA、GARCH 和 VAR模型估计、预测ts 和 xts格式时间序列

我们涵盖了基本的时间序列模型，即ARMA、GARCH和VAR。时间序列数据函数ts将任何向量转换为时间序列数据。price我们首先为估计定义一个时间序列
·2022-01-27 16:47

R语言基于Garch波动率预测的区制转移交易策略

研究了两种模型：一种使用历史波动率，另一种使用Garch（1,1）波动率预测。均值回归策略使用RSI（2）建模：RSI（2）时为Long，否则为Short。
·2022-01-07 16:27

R语言风险价值：ARIMA，GARCH，Delta-normal法滚动估计VaR（Value at Risk）和回测分析股票数据

原文链接：http://tecdat.cn/?p=24492介绍此分析的目的是构建一个过程，以在给定时变波动性的情况下正确估计风险价值。风险价值被广泛用于衡量金融机构的市场风险。我们的时间序列数据包括1258天的股票收益。为了解释每日收益率方差的一小部分，我们使用Box-Jenkins方法来拟合自回归综合移动平均(ARIMA)模型，并测试带下划线的假设。稍后，当我们寻找替代方案、最佳拟合分布形式时
·2021-12-01 17:33

R语言GARCH建模常用软件包比较、拟合标准普尔SP 500指数波动率时间序列和预测可视化

p=24441我们研究波动聚集，以及使用单变量GARCH(1,1)模型对其进行建模。波动聚集波动聚集——存在相对平稳时期和高波动时期的现象——是市场数据的一个看似普遍的属性。对此没有普遍接受的解释。
·2021-11-25 16:33

Python金融时间序列模型ARIMA 和GARCH 在股票市场预测应用

p=24407这篇文章讨论了自回归综合移动平均模型(ARIMA)和自回归条件异方差模型(GARCH)及其在股票市场预测中的应用。
·2021-11-22 15:32

R语言极值理论 EVT、POT超阈值、GARCH 模型分析股票指数VaR、条件CVaR：多元化投资组合预测风险测度分析

最后，使用条件异向性(GARCH)处理的广义自回归来预测未来20天后指数的
·2021-11-09 17:25

R语言集成模型：提升树boosting、随机森林、约束最小二乘法加权平均模型融合分析时间序列数据

比如：收益率曲线并不遵循三因素的Nelson-Siegel模型，股票与其相关因素之间的关系并不是线性的，波动率也不遵循Garch(1,1)过程，或者Garch(?,?)。
·2021-11-03 17:10

Python 用ARIMA、GARCH模型预测分析股票市场收益率时间序列

原文链接：http://tecdat.cn/?p=24092前言在量化金融中，我学习了各种时间序列分析技术以及如何使用它们。通过发展我们的时间序列分析(TSA)方法组合，我们能够更好地了解已经发生的事情，_并对_未来做出更好、更有利的预测。示例应用包括预测未来资产收益、未来相关性/协方差和未来波动性。在我们开始之前，让我们导入我们的Python库。import pandas as pdimport
·2021-10-26 14:43

R语言中的时间序列分析模型：ARIMA-ARCH / GARCH模型分析股票价格

前者主要基于傅立叶变换，而后者则研究序列的自相关，并且使用Box-Jenkins和ARCH/GARCH方法进行序列的预测。本文将提供使用时域方法对R环境中的金
·2021-10-21 17:58

R语言ARIMA-GARCH波动率模型预测股票市场苹果公司日收益率时间序列

p=23934引言在本文中，我们将尝试为苹果公司的日收益率寻找一个合适的GARCH模型。波动率建模需要两个主要步骤。指定一个均值方程（例如ARMA，AR，MA，ARIMA等）。
·2021-10-08 15:41

R语言多元COPULA GARCH 模型时间序列预测

直观的来说，后者是比前者“波动”更多且随机波动的序列，在一元或多元的情况下，构建Copula函数模型和GARCH模型是最好的选择。多元GARCH家族中，种类非常多，需要自己多推导理解，选择最优模型。
·2021-09-06 17:27

R语言用极大似然和梯度下降算法估计GARCH(p)过程

原文链接:http://tecdat.cn/?p=23606本文考虑一些ARCH(p)过程，例如ARCH(1)。其中有一个高斯白噪声.> for(t in 3:n){+ sigma2\[t\]=w+a1\*epsilon\[t-1\]^2+a2\*epsilon\[t-2\]^2+ epsilon\[t\]=eta\[t\]*sqrt(sigma2\[t\])+ }(红线是条件方差过程）。> ac
·2021-08-30 17:22

拓端tecdat|R语言时变波动率和ARCH，GARCH，GARCH-in-mean模型分析股市收益率时间序列

原文链接：http://tecdat.cn/?p=23225自回归条件异方差（ARCH）模型涉及具有时变异方差的时间序列，其中方差是以特定时间点的现有信息为条件的。ARCH模型ARCH模型假设时间序列模型中误差项的条件均值是常数（零），与我们迄今为止讨论的非平稳序列不同），但其条件方差不是。这样一个模型可以用公式1、2和3来描述。方程4和5给出了测试模型和假设，以测试时间序列中的ARCH效应，其中
·2021-07-27 20:11

拓端tecdat|R语言中的copula GARCH模型拟合时间序列并模拟分析

理想情况下，样本量应该更大，更容易发现GARCH效应。
·2021-07-27 19:57

深度解析：Value at Risk、风险价值、在险价值VaR计算方法-ARMA GARCH模型法

由于金融时间序列具有波动集聚性，为了刻画这种特性，需要建立ARMAGARCH模型本附件包括以下内容：1、免费获取证券价格历史数据的方法2、历史数据的获取3、价格走势图的绘制4、对数收益率的计算5、收益率分布图的绘制6、ARMAGARCH模型的设定7、详细计算步骤、注释8、易学习、易模仿其中代码都经过深入思考，反复测试，确保无误。联系QQ（1475466316），微信（gaussanalytica）
GaussAnalytica·2021-06-25 14:07

历史模拟法、蒙特卡罗模拟法计算VaR和ES值

一、知识点介绍1.1历史模拟法我们在之前有用到Delta-Normal的GARCH和RiskMetrics方法来计算VaR和ES，假设的是残差满足正态分布，对残差进行二次相关序列的建模并拟合残差，能够得到未来的预测值
九日照林·2021-05-20 13:29

R语言时间序列GARCH模型分析股市波动率

p=22360原文出处：拓端数据部落公众号在这篇文章中，我们将学习一种在价格序列中建立波动性模型的标准方法，即广义自回归条件异方差（GARCH）模型。
拓端研究室·2021-04-29 15:44

GARCH-QR非线性回归(GQNR)交易模型（初稿）

目录一、前言基于本文GQNR模型的量化实盘地址量化交易的优势之处二、GQNR模型简介1.Garch模块1.1Garch定义1.2ARCH过程1.3GARCH过程2QR模块2.1QR定义2.2由OLS到QR2.2QR
Benson_XBX·2021-04-19 21:14

时序分析 20 高斯混合模型 (上)

通常在这种情况下，我们需要采用诸如GARCH，差分等技术对该时序数据进行建模，但是如果我们可以把整个时序分成几个阶段，而在一个阶段内其统计特性或者某些
Magic Ktwc37·2021-04-17 11:08

R语言ARMA-EGARCH模型、集成预测算法对SPX实际波动率进行预测

将其与GARCH模型进行比较。最后，提出了集合预测算法。假设条件实际波动率是看不见的，因此我们只能对其进行估算。这也是波动率建模的难点。如果真实值未知，则很难判断预测质量。
·2021-04-01 12:20
上一页 1 2 3 4 5 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他