R语言多元COPULA|R语言多元COPULA GARCH 模型时间序列预测
原文链接http://tecdat.cn/?p=2623
原文出处:拓端数据部落公众号
和宏观经济数据不同,金融市场上多为高频数据,比如股票收益率序列。直观的来说 ,后者是比前者“波动”更多且随机波动的序列,在一元或多元的情况下,构建Copula函数模型和GARCH模型是最好的选择。
多元GARCH家族中,种类非常多,需要自己多推导理解,选择最优模型。本文使用R软件对3家上市公司近十年的每周收益率为例建立模型。
文章图片
首先我们可以绘制这三个时间序列。
文章图片
在这里使用多变量的ARMA-GARCH模型。
本文考虑了两种模型
1 ARMA模型残差的多变量GARCH过程
2 ARMA-GARCH过程残差的多变量模型(基于Copula)
1 ARMA-GARCH模型
> fit1 = garchFit(formula = ~arma(2,1)+ garch(1,1),data = https://www.it610.com/article/dat /[,1/],cond.dist =“std”)
可视化波动
文章图片
隐含的相关性
> emwa\_series\_cor = function(i = 1,j = 2){+ if((min(i,j)== 1)&(max(i,j)== 2)){+ a = 1;
B = 5;
AB = 2}+}
文章图片
2 BEKK(1,1)模型: BEKK11(dat_arma)
文章图片
隐含的相关性
文章图片
对单变量GARCH模型残差建模
第一步可能是考虑残差的静态(联合)分布。单变量边际分布是
文章图片
而联合密度为
文章图片
可视化 密度
文章图片
文章图片
查看相关性是否随着时间的推移而稳定。
文章图片
斯皮尔曼相关性
文章图片
肯德尔相关性
文章图片
对相关性建模,考虑DCC模型
文章图片
对数据进行预测
> fcst = dccforecast(dcc.fit,n.ahead = 200)
文章图片
我们已经完全掌握了多元GARCH模型的使用,接下来就可以放手去用R处理时间序列了!
文章图片
最受欢迎的见解
1.R语言ARMA-EGARCH模型、集成预测算法对SPX实际波动率进行预测
2.R语言基于ARMA-GARCH-VaR模型拟合和预测实证
3.R语言基于ARMA-GARCH过程的VAR拟合和预测
4.GARCH(1,1),MA以及历史模拟法的VaR比较
5.R语言多元COPULA GARCH 模型时间序列预测
6.matlab预测ARMA-GARCH 条件均值和方差模型
7.R语言对S&P500股票指数进行ARIMA + GARCH交易策略
8.R语言: GARCH模型股票交易量的研究道琼斯股票市场指数
【R语言多元COPULA|R语言多元COPULA GARCH 模型时间序列预测】9.R语言GARCH-DCC模型和DCC(MVT)建模估计
推荐阅读
- 【生信技能树】R语言练习题|【生信技能树】R语言练习题 - 中级
- 一起来学习C语言的字符串转换函数
- C语言字符函数中的isalnum()和iscntrl()你都知道吗
- C语言浮点函数中的modf和fmod详解
- C语言中的时间函数clock()和time()你都了解吗
- C语言学习|第十一届蓝桥杯省赛 大学B组 C/C++ 第一场
- C语言解方程的根和判断是否是闰年
- C语言的版本比较
- 【C】题目|【C语言】题集 of ⑥
- echart|echart 双轴图开发