共计 2655 个字符，预计需要花费 7 分钟才能阅读完成。
原文链接：http://tecdat.cn/?p=12030
筹备数据
采样函数 svsample 须要其输出数据 y 是数值向量，而且没有任何缺失值（NA），如果提供其余任何内容，则会报错。在 y 蕴含零的状况下，会收回正告，并在进行辅助混合采样之前，将大小为 sd（y）/ 10000 的小偏移常数增加到平方收益上。
然而，咱们通常倡议完全避免零收益数据，例如通过事后升高零收益。上面是如何应用样本数据集进行阐明。
图 1 提供了该数据集中工夫序列的可视化。
R> par(mfrow = c(2, 1), mar = c(1.9, 1.9, 1.9, 0.5), mgp = c(2, 0.6, 0))
R> plot(exrates$date, exrates$USD, type = "l",
+ main = "Price of 1 EUR in USD")
R> plot(exrates$date\[-1\], ret, type = "l", main = "Demeaned log returns")
除了事实世界的数据外，还能够应用内置的模仿数据生成器 svsim。此函数仅对 SV 流程的实现，并返回 svsim 类的对象，该对象具备本人的 print，summary 和 plot 办法。
上面给出了应用 svsim 的示例代码，该模仿实例显示在图 2 中。
R> par(mfrow = c(2, 1))
R> plot(sim)
运行采样器
函数 svsample，它用作 C 语言中理论采样器的 R -wrapper。此函数的示例用法在上面的代码中提供了默认输入。
Calling GIS_C MCMC sampler with 11000 iter. Series length is 3139.
0% \[+++++++++++++++++++++++++++++++++++++++++++++++++++\] 100%
Timing (elapsed): 12.92 seconds.
851 iterations per second.
Converting results to coda objects... Done!
Summarizing posterior draws... Done!能够看出，该函数调用主 MCMC 采样器并将其输入转换为与 coda 兼容的对象。后者的实现次要是出于兼容性的思考，并且能够间接拜访收敛诊断查看。
svsample 的返回值是 svdraws 类型的对象，该对象是具备八个元素的命名列表，其中蕴含（1）参数在 para 中绘制，（2）潜在的对数稳定率，（3）初始潜在的对数稳定率绘制 latent0，（4）y 中提供的数据，（5）运行时中的采样运行时，（6）先验中的先验超参数，（7）细化的参数值，以及（8）这些图的汇总统计信息，以及一些常见的转换。
评估输入并显示后果
依照惯例做法，可应用 svdraws 对象的 print 和 summary 办法。每个参数都有两个可选参数 showpara 和 showlatent，用于指定应显示的输入。如果 showpara 为 TRUE（默认设置），则会显示参数绘制的值 / 摘要。如果 showlatent 为 TRUE（默认值），则显示潜在变量绘制的值 / 摘要。在上面的示例中，仅显示参数绘制的摘要。
Summary of 10000 MCMC draws after a burn-in of 1000.
Prior distributions:
mu ~ Normal(mean = -10, sd = 1)
(phi+1)/2 ~ Beta(a0 = 20, b0 = 1.1)
sigma^2 ~ 0.1 * Chisq(df = 1)
Posterior draws of parameters (thinning = 1):
mean sd 5% 50% 95% ESS
mu -10.1366 0.22711 -10.4749 -10.1399 -9.7933 4552
phi 0.9935 0.00282 0.9886 0.9938 0.9977 397
sigma 0.0656 0.01001 0.0509 0.0649 0.0830 143
exp(mu/2) 0.0063 0.00075 0.0053 0.0063 0.0075 4552
sigma^2 0.0044 0.00139 0.0026 0.0042 0.0069 143（1）volplot：绘制潜在稳定率的分位数，以百分比示意，即随工夫变动的后验散布的教训分位数。罕用的可选参数包含 n 步稳定率的预测，x 轴上标签的日期以及一些图形参数。上面的代码片段显示了一个典型示例，图 3 显示了其输入。
（2）paratraceplot：显示 θ 中蕴含的参数的轨迹图。图 5 显示了一个示例。
（3）paradensplot：显示 θ 中蕴含的参数的核密度估计。为了更快地绘制较大的后验样本，应将此参数设置为 FALSE。如果参数 showprior 为 TRUE（默认值），则先验散布通过虚线灰色线批示。图 6 显示了从汇率提取数据集中取得的 EUR-USD 汇率的示例输入。
svdraws 对象的通用绘图办法将上述所有图合并。能够应用上述所有参数。请参见图 7。
R> plot(res, showobs = FALSE)
为了提取标准化残差，能够在给定的 svdraws 对象上应用残差办法。应用可选的参数类型，能够指定摘要统计的类型。以后，类型容许为“平均值”或“中位数”，其中前者对应于默认值。此办法返回 svresid 类的实向量，其中蕴含每个工夫点所申请的标准化残差的摘要统计量。还有一种绘图办法，当参数 origdata 给定时，提供了将标准化残差与原始数据进行比拟的选项。请参见上面的代码，对于相应的输入，请参见图 8。
最受欢迎的见解
1.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.WinBUGS 对多元随机稳定率模型：贝叶斯预计与模型比拟
3. 稳定率的实现：ARCH 模型与 HAR-RV 模型
4. 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. 应用 R 语言随机稳定模型 SV 解决工夫序列中的随机稳定率
6. R 语言多元 COPULA GARCH 模型工夫序列预测
7. R 语言基于 ARMA-GARCH 过程的 VAR 拟合和预测
8. R 语言随机搜寻变量抉择 SSVS 预计贝叶斯向量自回归（BVAR）模型
9. R 语言对 S&P500 股票指数进行 ARIMA + GARCH 交易策略
