R语言GARCH族模型：正态分布、t、GED分布EGARCH、TGARCH的VaR分析股票指数
全文链接：http://tecdat.cn/?p=31023 如何构建合适的模型以恰当的方法对风险进行测量是当前金融研究领域的一个热门话题（点击文末“阅读原文”获取完整代码数据）。 VaR方法作为当前业内比较流行的测量金融风险的方法,具有简洁,明了的特点,而且相对于方差来讲,更多的将投资人的损失作为风险具有更好的合理性。 我们和一位客户讨论如何在R软件...
R语言风险价值：ARIMA，GARCH，Delta-normal法滚动估计VaR（Value at Risk）和回测分析股票数据
原文链接：http://tecdat.cn/?p=24492 介绍 此分析的目的是构建一个过程，以在给定时变波动性的情况下正确估计风险价值。风险价值被广泛用于衡量金融机构的市场风险。我们的时间序列数据包括 1258 天的股票收益。为了解释每日收益率方差的一小部分，我们使用 Box-J...
R语言风险价值：ARIMA，GARCH，Delta-normal法滚动估计VaR（Value at Risk）和回测分析股票数据-3
R语言风险价值：ARIMA，GARCH，Delta-normal法滚动估计VaR（Value at Risk）和回测分析股票数据-2 https://developer.aliyun.com/article/1489390 VaR预测 该 ugarchroll 方法允许执行的模型/数据集组合的滚动估计和预测。它返回计算预测密度的任何所需度量所需的分布预测参数。我...
R语言风险价值：ARIMA，GARCH，Delta-normal法滚动估计VaR（Value at Risk）和回测分析股票数据-2
R语言风险价值：ARIMA，GARCH，Delta-normal法滚动估计VaR（Value at Risk）和回测分析股票数据-1 https://developer.aliyun.com/article/1489389 GARCH 实现 尽管残差的 ACF 和 PACF 没有显着滞后，但残差的时间序列图显示出一些集群波动。重要的是要记住，ARIMA 是一种对...
R语言风险价值：ARIMA，GARCH，Delta-normal法滚动估计VaR（Value at Risk）和回测分析股票数据-1
原文链接：http://tecdat.cn/?p=24492 介绍 此分析的目的是构建一个过程，以在给定时变波动性的情况下正确估计风险价值。风险价值被广泛用于衡量金融机构的市场风险。我们的时间序列数据包括 1258 天的股票收益。为了解释每日收益率方差的一小部分，我们使用 Box-Jenkins 方法来拟合自回归综合移动平均 (ARIMA) 模型，并测试带下划线的假设。稍后，当我...
R语言极值理论 EVT、POT超阈值、GARCH 模型分析股票指数VaR、条件CVaR：多元化投资组合预测风险测度分析
概要 本文用 R 编程语言极值理论 (EVT) 以确定 10 只股票指数的风险价值（和条件 VaR）。使用 Anderson-Darling 检验对 10 只股票的组合数据进行正态性检验，并使用 Block Maxima 和 Peak-Over-Threshold 的 EVT 方法估计 VaR/CvaR。最后，使用条件异向性 (GARCH) 处理的广义自回归来预测未来 20 天后指数的未...
R语言中的时间序列分析模型：ARIMA-ARCH / GARCH模型分析股票价格
原文链接：http://tecdat.cn/?p=18860 简介 时间序列分析是统计学中的一个主要分支，主要侧重于分析数据集以研究数据的特征并提取有意义的统计信息来预测序列的未来值。时序分析有两种方法，即频域和时域。前者主要基于傅立叶变换，而后者则研究序列的自相关，并且使用Box-Jenkins和ARCH / GARCH方法进行序列的预测。 本文将提供使用时域方法对R环...
R语言用Garch模型和回归模型对股票价格分析
为了找出影响价格波动的主要因素，我们使用逐步回归法来剔除一些对于应变量即价格影响很小的自变量剔除出我们的模型，我们分别把WTI Price Field 等自变量的名称改为x1，x2……，最后的突发事件需要用到哑变量，哑变量只需要2个即可，我们将其作为X49，X50，X51,三个参数并将它们的值”正影响”、”无影响”、”负影响”分别改为-1,0,1。 经过R语言处理以...
R语言： GARCH模型股票交易量的研究道琼斯股票市场指数
我将建立道琼斯工业平均指数（DJIA）日交易量对数比的ARMA-GARCH模型。 获取数据 lod(file='DowEnvironment.RData') 日交易量 每日交易量内发生的 变化。 plot(dj_vo...
本页面内关键词为智能算法引擎基于机器学习所生成，如有任何问题，可在页面下方点击"联系我们"与我们沟通。