全文链接：http://tecdat.cn/?p=31630
原文出处：拓端数据部落公众号
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))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)最受欢迎的见解
1.[](http://tecdat.cn/r%e8%af%ad%e…)HAR-RV- J 与递归神经网络（RNN）混合模型预测和交易大型股票指数的高频稳定率
2.[](http://tecdat.cn/r%e8%af%ad%e…) R 语言中基于混合数据抽样 (MIDAS) 回归的 HAR-RV 模型预测 GDP 增长
3.[](http://tecdat.cn/r%e8%af%ad%e…)稳定率的实现：ARCH 模型与 HAR-RV 模型
4.[](http://tecdat.cn/r%e8%af%ad%e…) R 语言 ARMA-EGARCH 模型、集成预测算法对 SPX 理论稳定率进行预测
5.[](http://tecdat.cn/r%e8%af%ad%e…)GARCH（1,1），MA 以及历史模拟法的 VaR 比拟
6.[](http://tecdat.cn/r%e8%af%ad%e…) R 语言多元 COPULA GARCH 模型工夫序列预测
7.[](http://tecdat.cn/r-%e8%af%ad%…) R 语言基于 ARMA-GARCH 过程的 VAR 拟合和预测
8.[](http://tecdat.cn/r%e8%af%ad%e…)matlab 预测 ARMA-GARCH 条件均值和方差模型
9. R 语言对 S&P500 股票指数进行 ARIMA + GARCH 交易策略