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% ESSmu -10.1366 0.22711 -10.4749 -10.1399 -9.7933 4552phi 0.9935 0.00282 0.9886 0.9938 0.9977 397sigma 0.0656 0.01001 0.0509 0.0649 0.0830 143exp(mu/2) 0.0063 0.00075 0.0053 0.0063 0.0075 4552sigma^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：显示中蕴含的参数的轨迹图。图5显示了一个示例。

 （3）paradensplot：显示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