拓端tecdat：Python金融时间序列模型ARIMA 和GARCH 在股票市场预测应用
原文链接：http://tecdat.cn/?p=24407 原文出处：拓端数据部落公众号 这篇文章讨论了自回归综合移动平均模型 (ARIMA) 和自回归条件异方差模型 (GARCH) 及其在股票市场预测中的应用。 介绍 一个 ARMA (AutoRegressive-Moving ...
原文：拓端tecdat|R语言时间序列：ARIMA / GARCH模型的交易策略在外汇市场预测应用
原文链接：http: tecdat.cn p 最近，我们继续对时间序列建模进行探索，研究时间序列模型的自回归和条件异方差族。我们想了解自回归移动平均值 ARIMA 和广义自回归条件异方差 GARCH 模型。它们在量化金融文献中经常被引用。 接下来是我对这些模型的理解，基于拟合模型的预测的一般拟合程序和简单交易策略的摘要。 这些时间序列分析模型是什么 拟合ARIMA和GARCH模型是一种发现时间序列 ...
2020-11-04 12:09 0 633 推荐指数：
相关推荐
拓端tecdat|R语言ARIMA-GARCH波动率模型预测股票市场苹果公司日收益率时间序列
原文链接：http://tecdat.cn/?p=23934 原文出处：拓端数据部落公众号 引言 在本文中，我们将尝试为苹果公司的日收益率寻找一个合适的 GARCH 模型。波动率建模需要两个主要步骤。 指定一个均值方程（例如 ARMA，AR，MA，ARIMA 等）。 建立 ...
拓端tecdat:Python 用ARIMA、GARCH模型预测分析股票市场收益率时间序列
原文链接： http://tecdat.cn/?p=24092 原文出处：拓端数据部落公众号 前言 在量化金融中，我学习了各种时间序列分析技术以及如何使用它们。 通过发展我们的时间序列分析 (TSA) 方法组合，我们能够更好地了解已经发生的事情，并对未来做出更好、更有利的预测。示例应用 ...
拓端tecdat|R语言ARIMA集成模型预测时间序列分析
本文我们使用4个时间序列模型对每周的温度序列建模。第一个是通过auto.arima获得的，然后两个是SARIMA模型，最后一个是Buys-Ballot方法。 我们使用以下数据 k=620n=nrow(elec)futu=(k+1):ny=electricite$Load[1:k]plot(y ...
拓端tecdat|R语言模拟和预测ARIMA模型、随机游走模型RW时间序列趋势可视化
原文链接：http://tecdat.cn/?p=25122 原文出处：拓端数据部落公众号 当一个序列遵循随机游走模型时，就说它是非平稳的。我们可以通过对时间序列进行一阶差分来对其进行平稳化，这将产生一个平稳序列，即零均值白噪声序列。例如，股票的股价遵循随机游走模型，收益序列（价格序列 ...
拓端tecdat：MATLAB用GARCH模型对股票市场收益率时间序列波动的拟合与预测
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 ...
拓端数据tecdat|R语言使用多元AR-GARCH模型衡量市场风险
原文链接：http://tecdat.cn/?p=19118 本文分析将用于制定管理客户和供应商关系的策略准则。假设： 贵公司拥有用于生产和分销聚戊二酸的设施，聚戊二酸是一种用于多个行业的化合物。 制造和分销过程的投入包括各种石油产品和天然气。价格波动 ...
拓端tecdat|python3用ARIMA模型进行时间序列预测
原文链接：http://tecdat.cn/?p=12260 ARIMA模型是一种流行的且广泛使用的用于时间序列预测的统计方法。 ARIMA是首字母缩写词，代表自动回归移动平均。它是一类模型，可在时间序列数据中捕获一组不同的标准时间结构。 在本教程中，您将发现如何使用Python开发用于 ...