共计 1056 个字符，预计需要花费 3 分钟才能阅读完成。
原文链接 http://tecdat.cn/?p=2623
原文出处：拓端数据部落公众号
最近咱们被要求撰写对于 Copula GARCH 的钻研报告，包含一些图形和统计输入。
和宏观经济数据不同，金融市场上多为高频数据，比方股票收益率序列。直观的来说，后者是比前者“稳定”更多且随机稳定的序列，在一元或多元的状况下，构建 Copula 函数模型和 GARCH 模型是最好的抉择。
多元 GARCH 家族中，品种十分多，须要本人多推导了解，抉择最优模型。本文应用 R 软件对 3 家上市公司近十年的每周收益率为例建设模型。
首先咱们能够绘制这三个工夫序列。
在这里应用多变量的 ARMA-GARCH 模型。
本文思考了两种模型 \
\
1 ARMA 模型残差的多变量 GARCH 过程
2 ARMA-GARCH 过程残差的多变量模型（基于 Copula）\
1 ARMA-GARCH 模型
> fit1 = garchFit（formula = ~arma（2,1）+ garch（1,1），data = dat [，1]，cond.dist =“std”）可视化稳定
隐含的相关性
> emwa_series_cor = function（i = 1，j = 2）{+ if（（min（i，j）== 1）&（max（i，j）== 2））{+ a = 1; B = 5; AB = 2}
+}2 BEKK（1,1）模型：
BEKK11（dat_arma）
隐含的相关性
对单变量 GARCH 模型残差建模
第一步可能是思考残差的动态（联结）散布。单变量边际散布是
而联结密度为
可视化 密度
查看相关性是否随着工夫的推移而稳固。
斯皮尔曼相关性
肯德尔相关性
对相关性建模，思考 DCC 模型
对数据进行预测
> fcst = dccforecast（dcc.fit，n.ahead = 200）\
咱们曾经齐全把握了多元 GARCH 模型的应用，接下来就能够撒手去用 R 解决工夫序列了！
最受欢迎的见解
1. R 语言 ARMA-EGARCH 模型、集成预测算法对 SPX 理论稳定率进行预测
2. R 语言基于 ARMA-GARCH-VaR 模型拟合和预测实证
3. R 语言基于 ARMA-GARCH 过程的 VAR 拟合和预测
4.GARCH（1,1），MA 以及历史模拟法的 VaR 比拟
5. R 语言多元 COPULA GARCH 模型工夫序列预测
6.matlab 预测 ARMA-GARCH 条件均值和方差模型
7. R 语言对 S&P500 股票指数进行 ARIMA + GARCH 交易策略
8. R 语言：GARCH 模型股票交易量的钻研道琼斯股票市场指数
9. R 语言 GARCH-DCC 模型和 DCC（MVT）建模预计
