关于算法:R语言多元COPULA-GARCH-模型时间序列预测

45次阅读

共计 1046 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

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

正文完
 0