共计 2740 个字符，预计需要花费 7 分钟才能阅读完成。
全文链接：http://tecdat.cn/?p=31630
最近咱们被客户要求撰写对于 GARCH 的钻研报告，包含一些图形和统计输入。
一般的模型对于两个序列的稳定剖析个别是动态的，然而 dcc-garch 模型能够实现他们之间动静相干的稳定剖析，即序列间稳定并非为一个常数，而是一个随着工夫的变动而变动的系数。其次要用于钻研市场间稳定率的关系
在对上证指数、印花税支出联动性预测时，咱们向客户演示了用 R 语言的 DCC-GARCH 能够提供的内容。
读取所有数据
# 读取指数数据
index=read.xlsx("上证指数.xlsx")
#读取税数据
tax=read.xlsx("印花税支出.xlsx")上证指数数据直方图
# 取出上证指数数据
#差分做直方图
d.USD=diff(index$ 开盘)
par(mfrow = c(1, 1))点击题目查阅往期内容
R 语言多元（多变量）GARCH：GO-GARCH、BEKK、DCC-GARCH 和 CCC-GARCH 模型和可视化
左右滑动查看更多
01
02
03
04
从直方图的后果来看，上证指数收盘价合乎正态分布。大部分收盘价集中在 0 线四周，因而满足 garch 建模的基本前提，从数据能够看出，股指日对数收益率的均值很小，能够认为是 0。收益率的散布具备正的偏度，所以散布的尾部略向右拖，表明盈利的概率要大于亏损的概率。峰度值大于正态分布的峰度（正态分布的峰度为 3），这反映了收益率散布具备尖峰厚尾的特色。上面再进行上证指数时序特征分析。察看上证指数时序图，收益率确实存在显著的聚类效益（即一次大的稳定后往往随同着另一次大的稳定）。
单位根测验
ADF 测验思路：循环失去每列的 Dickey-Fuller 值和对应 P 值
H0：存在单位根 Ƿ=1
H1：不存在单位根 Ƿ<1
后果：DF 值的绝对值大于临界值的绝对值 / DF 值小于临界值（DF 是负值）
P 值小于 0.01（0.05）回绝原假如，不存在单位根，序列安稳
从 adftest 单位根测验的后果来看，p 值为 0.05，因而回绝原假如。所以回绝零假如，零假如为：存在单位根。回绝零假如就是回绝存在单位根咯（回绝非安稳）。因而工夫序列安稳。
正态性测验
从正态性测验的后果来看，p 值小于 0.05，因而回绝原价设，认为收盘价数据不满足正态性测验。
画工夫序列图，ACF 图
DCC-GARCH 拟合
dcc(dcc.garch11.spec从模型的后果来看，不难看出，在随机烦扰项遵从 t 散布或者狭义误差散布的假如下，均值方程的参数显著性都比遵从正态分布假如条件下要高，进一步验证了金融工夫序列具备顶峰厚尾的特点。
模型中的 beta 系数都较大，并且通过了显著性测验，阐明指数稳定具备“长期记忆性”，即过来价格的稳定与其有限长期价格稳定的大小都有关系。
GARCH 方程中 alpha+beta 靠近于 1，表明条件方差函数具备单位根和单整性，也就是说条件方差稳定具备继续记忆性，阐明证券市场对外部冲击的反馈以一个绝对较慢的速度递加，股市一旦呈现大的稳定在短时期内很难打消。
GARCH 方程中 alpha+beta，阐明收益率条件方差序列是安稳的，模型具备可预测性。
条件方差和收益率
相关系数序列
DCC 条件相关系数
预测条件相干稳定率和相关系数
forecast(dcc.fit, n.ahead=100)点击文末 “浏览原文”
获取全文残缺代码数据资料。
本文选自《R 语言 DCC-GARCH 模型对上证指数、印花税支出工夫序列数据联动性预测可视化》。
点击题目查阅往期内容
【视频】什么是梯度降落？用线性回归解释和 R 语言预计 GARCH 实例
MATLAB 用 GARCH-EVT-Copula 极值实践模型 VaR 预测剖析股票投资组合
R 语言应用多元 AR-GARCH 模型掂量市场危险
R 语言 GARCH 模型对股市 sp500 收益率 bootstrap、滚动预计预测 VaR、拟合诊断和蒙特卡罗模仿可视化 R 语言单变量和多变量（多元）动静条件相关系数 DCC-GARCH 模型剖析股票收益率金融工夫序列数据稳定率
R 语言中的工夫序列分析模型：ARIMA-ARCH / GARCH 模型剖析股票价格
GARCH-DCC 模型和 DCC（MVT）建模预计
R 语言预测期货稳定率的实现：ARCH 与 HAR-RV 与 GARCH，ARFIMA 模型比拟
ARIMA、GARCH 和 VAR 模型预计、预测 ts 和 xts 格局工夫序列
PYTHON 用 GARCH、离散随机稳定率模型 DSV 模仿预计股票收益工夫序列与蒙特卡洛可视化
极值实践 EVT、POT 超阈值、GARCH 模型剖析股票指数 VaR、条件 CVaR：多元化投资组合预测危险测度剖析
Garch 稳定率预测的区制转移交易策略
金融工夫序列模型 ARIMA 和 GARCH 在股票市场预测利用
工夫序列分析模型：ARIMA-ARCH / GARCH 模型剖析股票价格
R 语言危险价值：ARIMA，GARCH，Delta-normal 法滚动预计 VaR（Value at Risk）和回测剖析股票数据
R 语言 GARCH 建模罕用软件包比拟、拟合规范普尔 SP 500 指数稳定率工夫序列和预测可视化
Python 金融工夫序列模型 ARIMA 和 GARCH 在股票市场预测利用
MATLAB 用 GARCH 模型对股票市场收益率工夫序列稳定的拟合与预测
R 语言极值实践 EVT、POT 超阈值、GARCH 模型剖析股票指数 VaR、条件 CVaR：多元化投资组合预测危险测度剖析
Python 用 ARIMA、GARCH 模型预测剖析股票市场收益率工夫序列
R 语言中的工夫序列分析模型：ARIMA-ARCH / GARCH 模型剖析股票价格
R 语言 ARIMA-GARCH 稳定率模型预测股票市场苹果公司日收益率工夫序列
Python 应用 GARCH，EGARCH，GJR-GARCH 模型和蒙特卡洛模仿进行股价预测
R 语言工夫序列 GARCH 模型剖析股市稳定率
R 语言 ARMA-EGARCH 模型、集成预测算法对 SPX 理论稳定率进行预测
matlab 实现 MCMC 的马尔可夫转换 ARMA – GARCH 模型预计
Python 应用 GARCH，EGARCH，GJR-GARCH 模型和蒙特卡洛模仿进行股价预测
应用 R 语言对 S&P500 股票指数进行 ARIMA + GARCH 交易策略
R 语言用多元 ARMA,GARCH ,EWMA, ETS, 随机稳定率 SV 模型对金融工夫序列数据建模
R 语言股票市场指数：ARMA-GARCH 模型和对数收益率数据探索性剖析
R 语言多元 Copula GARCH 模型工夫序列预测
R 语言应用多元 AR-GARCH 模型掂量市场危险
R 语言中的工夫序列分析模型：ARIMA-ARCH / GARCH 模型剖析股票价格
R 语言用 Garch 模型和回归模型对股票价格剖析
GARCH（1,1），MA 以及历史模拟法的 VaR 比拟
matlab 预计 arma garch 条件均值和方差模型
