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,比如股票收益率序列。直观的来说 ,后者是比前者“波动”更多且随机波动的序列,在一元或多元的情况下,构建Copula函数模型和GARCH模型是最好的选择。
最近我们被客户要求撰写关于Copula GARCH的研究报告,包括一些图形和统计输出。
相关视频:Copula算法原理和R语言股市收益率相依性可视化分析
Copula算法原理和R语言股市收益率相依性可视化分析
,时长16:34
相关视频:时间序列分析:ARIMA GARCH模型分析股票价格数据
时间序列分析模型 ARIMA-ARCH GARCH模型分析股票价格数据
多元GARCH家族中,种类非常多,需要自己多推导理解,选择最优模型。本文使用R软件对3家上市公司近十年的每周收益率为例建立模型。
首先我们可以绘制这三个时间序列。
在这里使用多变量的ARMA-GARCH模型。
本文考虑了两种模型
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)
1 ARMA-GARCH模型
-
> fit1 = garchFit(formula = ~arma(2,1) garch(1,1),data = dat [,1],cond.dist =“std”)
-
可视化波动
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}
-
-
}
2 BEKK(1,1)模型:
BEKK11(dat_arma)
隐含的相关性
对单变量GARCH模型残差建模
第一步可能是考虑残差的静态(联合)分布。单变量边际分布是
而联合密度为
可视化 密度
查看相关性是否随着时间的推移而稳定。
斯皮尔曼相关性
肯德尔相关性
对相关性建模,考虑DCC模型
对数据进行预测
> fcst = dccforecast(dcc.fit,n.ahead = 200)
我们已经完全掌握了多元GARCH模型的使用,接下来就可以放手去用R处理时间序列了!
这篇好文章是转载于:学新通技术网
- 版权申明: 本站部分内容来自互联网,仅供学习及演示用,请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系,请提供相关证据及您的身份证明,我们将在收到邮件后48小时内删除。
- 本站站名: 学新通技术网
- 本文地址: /boutique/detail/tanhggjikf
系列文章
更多
同类精品
更多
-
photoshop保存的图片太大微信发不了怎么办
PHP中文网 06-15 -
《学习通》视频自动暂停处理方法
HelloWorld317 07-05 -
word里面弄一个表格后上面的标题会跑到下面怎么办
PHP中文网 06-20 -
Android 11 保存文件到外部存储,并分享文件
Luke 10-12 -
photoshop扩展功能面板显示灰色怎么办
PHP中文网 06-14 -
微信公众号没有声音提示怎么办
PHP中文网 03-31 -
excel下划线不显示怎么办
PHP中文网 06-23 -
excel打印预览压线压字怎么办
PHP中文网 06-22 -
TikTok加速器哪个好免费的TK加速器推荐
TK小达人 10-01 -
怎样阻止微信小程序自动打开
PHP中文网 06-13