拓端tecdat|R語言用Garch模型和回歸模型對股票價格分析
原文鏈接：http://tecdat.cn/?p=18310 為了找出影響價格波動的主要因素，我們使用逐步回歸法來剔除一些對於應變量即價格影響很小的自變量剔除出我們的模型，我們分別把WTI Price Field 等自變量的名稱改為x1，x2……，最后的突發事件需要用到啞變量，啞變量 ...
原文：拓端tecdat|R語言結合新冠疫情COVID-19對股票價格預測：ARIMA，KNN和神經網絡時間序列分析
原文鏈接：http: tecdat.cn p 原文出處：拓端數據部落公眾號 .概要 本文的目標是使用各種預測模型預測Google的未來股價，然后分析各種模型。Google股票數據集是使用R中的Quantmod軟件包從Yahoo Finance獲得的。 .簡介 預測算法是一種試圖根據過去和現在的數據預測未來值的過程。提取並准備此歷史數據點，來嘗試預測數據集所選變量的未來值。在市場歷史期間，一直有一種 ...
2021-10-27 22:01 0 110 推薦指數：
相關推薦
拓端tecdat|R語言用綜合信息准則比較隨機波動率（SV）模型對股票價格時間序列建模
原文鏈接：http://tecdat.cn/?p=23882 原文出處：拓端數據部落公眾號 摘要 隨機波動率（SV）模型是常用於股票價格建模的一系列模型。在所有的SV模型中，波動率都被看作是一個隨機的時間序列。然而，從基本原理和參數布局的角度來看，SV模型之間仍有很大的不同。因此，為一組給定 ...
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|用R語言中的神經網絡預測時間序列：多層感知器和極限學習機
原文鏈接：http://tecdat.cn/?p=16392 對於此示例，我將對R中的時間序列進行建模。我將最后24個觀察值保留為測試集，並將使用其余的觀察值來擬合神經網絡。當前有兩種類型的神經網絡可用，多層感知器；和極限學習機 ...
拓端tecdat:Python 用ARIMA、GARCH模型預測分析股票市場收益率時間序列
原文鏈接： http://tecdat.cn/?p=24092 原文出處：拓端數據部落公眾號 前言 在量化金融中，我學習了各種時間序列分析技術以及如何使用它們。 通過發展我們的時間序列分析 (TSA) 方法組合，我們能夠更好地了解已經發生的事情，並對未來做出更好、更有利的預測。示例應用 ...
拓端tecdat|R語言模擬和預測ARIMA模型、隨機游走模型RW時間序列趨勢可視化
原文鏈接：http://tecdat.cn/?p=25122 原文出處：拓端數據部落公眾號 當一個序列遵循隨機游走模型時，就說它是非平穩的。我們可以通過對時間序列進行一階差分來對其進行平穩化，這將產生一個平穩序列，即零均值白噪聲序列。例如，股票的股價遵循隨機游走模型，收益序列（價格序列 ...
拓端tecdat|R語言時間序列：ARIMA / GARCH模型的交易策略在外匯市場預測應用
原文鏈接：http://tecdat.cn/?p=17622 最近，我們繼續對時間序列建模進行探索，研究時間序列模型的自回歸和條件異方差族。我們想了解自回歸移動平均值（ARIMA）和廣義自回歸條件異方差（GARCH）模型。它們在量化金融文獻中經常被引用。 接下來是我對這些模型的理解 ...