关于数据挖掘:R语言DCCGARCH模型对上证指数印花税收入时间序列数据联动性预测可视化附代码数据

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")

# 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

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）。

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。

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。

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。

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

关于数据挖掘:R语言DCCGARCH模型对上证指数印花税收入时间序列数据联动性预测可视化附代码数据

全文链接：http://tecdat.cn/?p=31630

读取所有数据

上证指数数据直方图

单位根测验

正态性测验

画工夫序列图，ACF 图

DCC-GARCH 拟合

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