原文链接：http://tecdat.cn/?p=3889 此示例显示如何使用估计复合条件均值和方差模型estimate。 加载数据并指定模型。 加载工具箱附带的NASDAQ数据 。对于数值稳定性，将返回值转换为收益率。指定AR（1）和GARCH（1,1）复合模型 ...

原文链接http://tecdat.cn/?p=2657 本文展示了如何基于基础ARMA-GARCH过程（当然这也涉及广义上的QRM）来拟合和预测风险价值（Value-at-Risk，VaR）。 library(qrmtools)# for qq_plot() library ...

ARMA: #读入数据，并绘制时序图 d<-read.table("C:/Users/haha/Desktop/R/zuoye/1.txt") x<-ts(log(d),start = 1) 1: x的时间序列图： x<-ts(log(d),start ...

原文链接:http://tecdat.cn/?p=5919 在本文中，我将介绍ARMA，ARIMA（Box-Jenkins），SARIMA和ARIMAX模型如何用于预测给定的时间序列数据。 使用后移运算符计算滞后差异 我们可以使用backshift运算符来执行计算。例如，后轴 ...

用mean2函数：mean2(X) mean(X,1)%我需要的列均值 %mean(X,2) %% 方差 ...

介绍 均值—方差模型是由H.M.Markowitz（哈里·马科维茨）在1952年提出的风险度量模型，这是现代资产配置的起点。马科维茨把风险定义为期望收益率的波动率，首次将数理统计的方法应用到投资组合选择的研究中。这种模型方法使相互制约的目标能够达到最佳的平衡效果。其最有名的应用者是耶鲁大学 ...

原文链接：http://tecdat.cn/?p=24211 原文出处：拓端数据部落公众号 描述 使用 garch 指定一个单变量GARCH（广义自回归条件异方差）模型。 garch 模型的关键参数包括： GARCH 多项式，由滞后条件方差组成。阶数用P表示 ...

本章是对应用系统负载和磁盘容量进行分析和预测，涉及到的数据为时间序列数据，因此最后是用ARMA模型去拟合。 本文主要包含以下部分： ARMA模型 平稳性检验 白噪声检验 Python实战 总结 ARMA模型 关于ARMA模型，具体可看 [ 时间序列中的ARMA模型 ...