全文链接：http://tecdat.cn/?p=31630
原文出处：拓端数据部落公众号
一般的模型对于两个序列的稳定剖析个别是动态的，然而dcc-garch模型能够实现他们之间动静相干的稳定剖析，即序列间稳定并非为一个常数，而是一个随着工夫的变动而变动的系数。其次要用于钻研市场间稳定率的关系。
在对上证指数、印花税支出联动性预测时，咱们向客户演示了用R语言的DCC-GARCH能够提供的内容。
读取所有数据
#读取指数数据 index=read.xlsx("上证指数.xlsx") #读取税数据 tax=read.xlsx("印花税支出.xlsx")上证指数数据直方图
#取出上证指数数据#差分做直方图d.USD=diff(index$开盘) par(mfrow = c(1, 1))从直方图的后果来看，上证指数收盘价合乎正态分布。大部分收盘价集中在0线四周，因而满足garch建模的基本前提，从数据能够看出，股指日对数收益率的均值很小，能够认为是0。收益率的散布具备正的偏度，所以散布的尾部略向右拖，表明盈利的概率要大于亏损的概率。峰度值大于正态分布的峰度（正态分布的峰度为3），这反映了收益率散布具备尖峰厚尾的特色。上面再进行上证指数时序特征分析。察看上证指数时序图，收益率确实存在显著的聚类效益（即一次大的稳定后往往随同着另一次大的稳定）。
单位根测验
ADF测验思路：循环失去每列的Dickey-Fuller值和对应P值
H0：存在单位根 Ƿ=1
H1：不存在单位根 Ƿ＜1
后果：DF值的绝对值大于临界值的绝对值 / DF值小于临界值 （DF是负值）
P值小于0.01（0.05） 回绝原假如，不存在单位根，序列安稳
从adftest单位根测验的后果来看，p值为0.05，因而回绝原假如。所以回绝零假如，零假如为：存在单位根。回绝零假如就是回绝存在单位根咯（回绝非安稳）。因而工夫序列安稳。
正态性测验
从正态性测验的后果来看，p值小于0.05，因而回绝原价设，认为收盘价数据不满足正态性测验。
画工夫序列图，ACF图
DCC-GARCH拟合
dcc(dcc.garch11.spec从模型的后果来看，不难看出，在随机烦扰项遵从t散布或者狭义误差散布的假如下，均值方程的参数显著性都比遵从正态分布假如条件下要高，进一步验证了金融工夫序列具备顶峰厚尾的特点。
模型中的beta系数都较大，并且通过了显著性测验，阐明指数稳定具备“长期记忆性”，即过来价格的稳定与其有限长期价格稳定的大小都有关系。
GARCH方程中alpha+beta靠近于1，表明条件方差函数具备单位根和单整性，也就是说条件方差稳定具备继续记忆性，阐明证券市场对外部冲击的反馈以一个绝对较慢的速度递加，股市一旦呈现大的稳定在短时期内很难打消。
GARCH方程中alpha+beta，阐明收益率条件方差序列是安稳的，模型具备可预测性。
条件方差和收益率
相关系数序列
DCC条件相关系数
预测条件相干稳定率和相关系数
forecast(dcc.fit, n.ahead=100)最受欢迎的见解
1.[](http://tecdat.cn/r%e8%af%ad%e...)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.[](http://tecdat.cn/r%e8%af%ad%e...)R语言中基于混合数据抽样(MIDAS)回归的HAR-RV模型预测GDP增长
3.[](http://tecdat.cn/r%e8%af%ad%e...)稳定率的实现：ARCH模型与HAR-RV模型
4.[](http://tecdat.cn/r%e8%af%ad%e...)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.[](http://tecdat.cn/r%e8%af%ad%e...)GARCH（1,1），MA以及历史模拟法的VaR比拟
6.[](http://tecdat.cn/r%e8%af%ad%e...)R语言多元COPULA GARCH 模型工夫序列预测
7.[](http://tecdat.cn/r-%e8%af%ad%...)R语言基于ARMA-GARCH过程的VAR拟合和预测
8.[](http://tecdat.cn/r%e8%af%ad%e...)matlab预测ARMA-GARCH 条件均值和方差模型
9.R语言对S＆P500股票指数进行ARIMA + GARCH交易策略