关于算法:R语言多元COPULA-GARCH-模型时间序列预测

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）

> 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}

+}

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。

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

原文链接 http://tecdat.cn/?p=2623