拓端tecdat|R語言使用HAR-RV預測實際波動率Realized Volatility案例
原文鏈接：http://tecdat.cn/?p=3832 在建議用於預測已實現波動率的模型中，Corsi的HAR-RV在性能和簡便性方面均脫穎而出。“ HAR-RV”代表已實現波動性的異質自回歸模型，並且基於所謂的“異質市場假說”。這表明，金融市場是人們以不同的頻率行事的相互作用 ...
原文：拓端tecdat|R語言ARMA-EGARCH模型、集成預測算法對SPX實際波動率進行預測
原文鏈接：http: tecdat.cn p 介紹 本文比較了幾個時間序列模型，以預測SP 指數的每日實際波動率。基准是SPX日收益系列的ARMA EGARCH模型。將其與GARCH模型進行比較 。最后，提出了集合預測算法。 假設條件 實際波動率是看不見的，因此我們只能對其進行估算。這也是波動率建模的難點。如果真實值未知，則很難判斷預測質量。盡管如此，研究人員為實際波動率開發了估算器。Anders ...
2020-04-17 22:06 0 768 推薦指數：
相關推薦
拓端tecdat|R語言隨機波動率(SV)模型、MCMC的Metropolis-Hastings算法金融應用：預測標准普爾SP500指數
原文鏈接：http://tecdat.cn/?p=23991 原文出處：拓端數據部落公眾號 在這個例子中，我們考慮隨機波動率模型 SV0 的應用，例如在金融領域。 統計模型 隨機波動率模型定義如下 並為 其中 yt 是因變量，xt 是 yt 的未觀察到的對數波動率。N(m ...
拓端tecdat|R語言ARIMA-GARCH波動率模型預測股票市場蘋果公司日收益率時間序列
原文鏈接：http://tecdat.cn/?p=23934 原文出處：拓端數據部落公眾號 引言 在本文中，我們將嘗試為蘋果公司的日收益率尋找一個合適的 GARCH 模型。波動率建模需要兩個主要步驟。 指定一個均值方程（例如 ARMA，AR，MA，ARIMA 等）。 建立 ...
拓端tecdat|R語言預測人口死亡率：用李·卡特模型、非線性模型進行平滑估計
原文鏈接：http://tecdat.cn/?p=13663 今天早上，我和同事一起分析死亡率。我們在研究人口數據集，可以觀察到很多波動性。我們得到這樣的結果： 由於我們缺少一些數據，因此我們想使用一些廣義非線性模型。因此，讓我們看看如何獲得死亡率曲面圖的平滑 ...
拓端tecdat|R語言ARIMA集成模型預測時間序列分析
本文我們使用4個時間序列模型對每周的溫度序列建模。第一個是通過auto.arima獲得的，然后兩個是SARIMA模型，最后一個是Buys-Ballot方法。 我們使用以下數據 k=620n=nrow(elec)futu=(k+1):ny=electricite$Load[1:k]plot(y ...
拓端tecdat|R語言泊松Poisson回歸模型預測人口死亡率和期望壽命
原文鏈接：http://tecdat.cn/?p=18782 本文我們討論了期望壽命的計算。人口統計模型的起點是死亡率表。但是，這種假設有偏差，因為它假設生活條件不會得到改善。為了正確處理問題，我們使用了更完整的數據，其中死亡人數根據x歲而定，還包括日期t ...
拓端tecdat：MATLAB用GARCH模型對股票市場收益率時間序列波動的擬合與預測
原文鏈接：http://tecdat.cn/?p=24211 原文出處：拓端數據部落公眾號 描述 使用 garch 指定一個單變量GARCH（廣義自回歸條件異方差）模型。 garch 模型的關鍵參數包括： GARCH 多項式，由滯后條件方差組成。階數用P表示 ...