<article class=“article fmt article-content”><h2>原文链接：http://tecdat.cn/?p=5277</h2><p>最近咱们被客户要求撰写对于递归神经网络的钻研报告，包含一些图形和统计输入。</p><p>本文剖析了S＆P500指数和SPY ETF，VIX指数和VXX ETN的稳定率的可预测性和可交易性。只管已有大量对于预测高频稳定的文献，但大多数仅依据统计误差评估预测 </p><p>实际上，这种剖析只是对预测的理论经济意义的一个小的批示。因而，在咱们的办法中，咱们还通过交易适当的稳定率衍生品来测试咱们的预测。</p><h2>简介</h2><p>波动性在资产定价和调配以及风险管理中起着核心作用，例如危险价值(VaR)与冀望损失(ES)。对计量经济学家，统计学家和从业者来说，建模和预测波动性十分重要。然而，传统的狭义自回归条件异方差（GARCH）和随机稳定率（SV）模型的利用并不适宜用于应用高频数据的利用。</p><p>本文将HAR-RV-J与递归神经网络（RNN）和混合 HAR-RV-J- RNN模型进行比拟，以预测波动性，从而剖析预测性。</p><h2>循环神经网络</h2><p>人工神经网络是一种功能强大的非参数工具，用于信号滤波，模式识别和插值，也能够容忍有误差的数据，并找到模型参数之间的非线性关联 。大多数计量经济模型是通过捕捉工夫序列的特定特色（例如长记忆）或假如变量之间的函数关系而开发的，人工神经网络的次要长处是它们蕴含非线性并蕴含所有变量。</p><h2>具备一个暗藏层的单输入RNN模型 </h2><p></p><h2>混合模型</h2><p>混合模型也被设计为RNN。然而，作为附加输出，咱们将线性模型的预测提供给RNN。咱们还保留了四个基</p><p>输出。因而，在混合模型的状况下，输出的总数减少到5。</p><p>所有其余模型参数放弃不变。具体地，如上确定暗藏神经元的数量。此外，模型架构放弃雷同。</p><p>应用混合模型的动机源于心愿利用每个模型。通过将线性预测提供给RNN，咱们能够从预测工作中删除任何线性重量。这应该为更好地匹配线性预测误差的非线性残差留出更多空间。</p><h2>数据</h2><p>咱们的根底数据集包含来自于1996年1月2日至2016年6月2日开始的规范普尔500指数。</p><h2>后果</h2><p>每日S＆P500 RV。留神：顶部面板别离显示每日实现的稳定率及其对数变换，和。上面的图表显示了跳转成分，和</p><p></p><h2>论断</h2><p>本文剖析了异质自回归模型的后劲，包含跳跃预测实现稳定率（RV）。对于这种办法，咱们依据规范普尔500指数的5年日内数据的20年历史计算RV。咱们的结果表明，根底HAR-RV-J模型的确可能提供令人满意的RV预测。</p><h2>有问题欢送分割咱们！</h2><p></p><p>本文摘选 <strong>《</strong> <strong>R语言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</strong> <strong>》</strong> ，点击“<strong>浏览原文</strong>”获取全文残缺材料。</p><hr/><p><strong>点击题目查阅往期内容</strong></p><p>R语言预测期货稳定率的实现：ARCH与HAR-RV与GARCH，ARFIMA模型比拟 <br/>PYTHON用GARCH、离散随机稳定率模型DSV模仿预计股票收益工夫序列与蒙特卡洛可视化 <br/>极值实践 EVT、POT超阈值、GARCH 模型剖析股票指数VaR、条件CVaR：多元化投资组合预测危险测度剖析 <br/>Garch稳定率预测的区制转移交易策略 <br/>金融工夫序列模型ARIMA 和GARCH 在股票市场预测利用 <br/>工夫序列分析模型：ARIMA-ARCH / GARCH模型剖析股票价格 <br/>R语言危险价值：ARIMA，GARCH，Delta-normal法滚动预计VaR（Value at Risk）和回测剖析股票数据 <br/>R语言GARCH建模罕用软件包比拟、拟合规范普尔SP 500指数稳定率工夫序列和预测可视化 <br/>Python金融工夫序列模型ARIMA 和GARCH 在股票市场预测利用 <br/>MATLAB用GARCH模型对股票市场收益率工夫序列稳定的拟合与预测R语言GARCH-DCC模型和DCC（MVT）建模预计 <br/>Python 用ARIMA、GARCH模型预测剖析股票市场收益率工夫序列 <br/>R语言中的工夫序列分析模型：ARIMA-ARCH / GARCH模型剖析股票价格 <br/>R语言ARIMA-GARCH稳定率模型预测股票市场苹果公司日收益率工夫序列 <br/>Python应用GARCH，EGARCH，GJR-GARCH模型和蒙特卡洛模仿进行股价预测 <br/>R语言工夫序列GARCH模型剖析股市稳定率 <br/>R语言ARMA-EGARCH模型、集成预测算法对SPX理论稳定率进行预测 <br/>matlab实现MCMC的马尔可夫转换ARMA - GARCH模型预计 <br/>Python应用GARCH，EGARCH，GJR-GARCH模型和蒙特卡洛模仿进行股价预测 <br/>应用R语言对S＆P500股票指数进行ARIMA + GARCH交易策略 <br/>R语言用多元ARMA,GARCH ,EWMA, ETS,随机稳定率SV模型对金融工夫序列数据建模 <br/>R语言股票市场指数：ARMA-GARCH模型和对数收益率数据探索性剖析 <br/>R语言多元Copula GARCH 模型工夫序列预测 <br/>R语言应用多元AR-GARCH模型掂量市场危险 <br/>R语言中的工夫序列分析模型：ARIMA-ARCH / GARCH模型剖析股票价格 <br/>R语言用Garch模型和回归模型对股票价格剖析 <br/>GARCH（1,1），MA以及历史模拟法的VaR比拟 <br/>matlab预计arma garch 条件均值和方差模型R语言POT超阈值模型和极值实践EVT剖析 <br/>R语言极值推断：狭义帕累托散布GPD应用极大似然预计、轮廓似然预计、Delta法 <br/>R语言极值实践EVT：基于GPD模型的火灾损失散布剖析 <br/>R语言有极值（EVT）依赖构造的马尔可夫链(MC)对洪水极值剖析 <br/>R语言POT超阈值模型和极值实践EVT剖析 <br/>R语言混合正态分布极大似然预计和EM算法 <br/>R语言多项式线性模型：最大似然预计二次曲线 <br/>R语言Wald测验 vs 似然比测验 <br/>R语言GARCH-DCC模型和DCC（MVT）建模预计 <br/>R语言非参数办法：应用核回归平滑预计和K-NN(K近邻算法)分类预测心脏病数据 <br/>matlab实现MCMC的马尔可夫转换ARMA - GARCH模型预计 <br/>R语言基于Bootstrap的线性回归预测置信区间预计办法 <br/>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 <br/>Matlab马尔可夫链蒙特卡罗法（MCMC）预计随机稳定率（SV，Stochastic Volatility） 模型 <br/>Matlab马尔可夫区制转换动静回归模型预计GDP增长率R语言极值推断：狭义帕累托散布GPD应用极大似然预计、轮廓似然预计、Delta法</p></article>