拓端tecdat|拓端tecdat|R语言量化（合成波动率指数移动平均策略分析标准普尔500波动率指数(VIX)）拓端tecdat|R语言量化：合成波动

原文链接：http://tecdat.cn/?p=23130
文章图片
To
本文目标是创建合成波动率指数，1）当应用于标准普尔500指数时，尽可能地反映VIX指数；2）完全依靠价格作为输入，因此它可以应用于任何市场指数。
所述的解决方案是合成波动率指数。\> Mov(ATR(1)/C,20,S)
下面我将尝试代码。

#***************************************************************** # 加载历史数据 #*****************************************************************tickers = 'SP=^GSPC,VIX=^VIX'#***************************************************************** # 绘制数据 #***************************************************************** layout(1:3) plot(SP) plot.legend('SP',SP)

拓端tecdat|拓端tecdat|R语言量化（合成波动率指数移动平均策略分析标准普尔500波动率指数(VIX)）

文章图片

matplot(scale(temp)

#***************************************************************** # 测试策略 #***************************************************************** vol= SMA( SP),1/ Cl), 20 ) high= vol > SMA(vol, 40) low= vol< SMA(vol, 40)plot(SP\[index\], type='l', plotX=F, x.highlight = highlight)

【拓端tecdat|拓端tecdat|R语言量化（合成波动率指数移动平均策略分析标准普尔500波动率指数(VIX)）】

文章图片

#***************************************************************** # 测试策略 #***************************************************************** models = list()data$weight\[\] = NA run(data)#***************************************************************** # 报告 #***************************************************************** #performance(models, T)

文章图片

文章图片

该估计值与TTR软件包提供的其他波动率估计值相似。

print(cor(, use='complete.obs',method='pearson'))

文章图片

文章图片

最受欢迎的见解
1.在python中使用lstm和pytorch进行时间序列预测
2.python中利用长短期记忆模型lstm进行时间序列预测分析
3.使用r语言进行时间序列（arima，指数平滑）分析
4.r语言多元copula-garch-模型时间序列预测
5.r语言copulas和金融时间序列案例
6.使用r语言随机波动模型sv处理时间序列中的随机波动
7.r语言时间序列tar阈值自回归模型
8.r语言k-shape时间序列聚类方法对股票价格时间序列聚类
9.python3用arima模型进行时间序列预测