Matlab通过市场数据校准Hull-White利率模型参数
利率衍生证券的定价依赖于描述基本过程的模型。这些利率模型取决于您必须通过将模型预测与市场上可用的现有数据进行匹配来确定的一个或多个参数。
Category Archives: 金融
R语言动量和马科维茨Markowitz投资组合模型实现
动量和马科维茨投资组合模型使 均值方差优化 组合成为可行的解决方案。
R语言股市可视化相关矩阵：最小生成树
本文在股市可视化中可视化相关矩阵 ：最小生成树
R语言中使用RCPP并行计算指数加权波动率
指数加权波动率是一种波动率的度量，它使最近的观察结果有更高权重。
Python计算股票投资组合的风险价值（VaR）
风险价值（VaR）用于尝试量化指定时间范围内公司或投资组合中的财务风险水平。VaR提供了一段时间内投资组合的最大损失的估计，您可以在各种置信度水平上进行计算。
MATLAB中的马尔可夫区制转换(Markov regime switching)模型
分析师通常关心检测市场何时“发生变化”：几个月或几年内市场的典型行为可以立即转变为非常不同的行为。投资者希望及时发现这些变化，以便可以相应地调整其策略，但是这样做可能很困难。
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
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。
R语言基于Garch波动率预测的区制转移交易策略
本文提出了一种算法，可以根据市场波动性在均值回归和趋势跟随策略之间进行切换。
R语言具有Student-t分布改进的GARCH（1,1）模型的贝叶斯估计
本说明介绍使用Student-t改进的GARCH（1,1）模型对汇率对数收益进行贝叶斯估计。
Matlab马尔可夫链蒙特卡罗法（MCMC）估计随机波动率（SV，Stochastic Volatility） 模型
波动率是一个重要的概念，在金融和交易中有许多应用。这是期权定价的基础。波动率还使您可以确定资产分配并计算投资组合的风险价值（VaR）。甚至波动率本身也是一种金融工具，例如CBOE的VIX波动率指数。但是，与证券价格或利率不同，波动不能直接观察到。
R语言风险价值VaR（Value at Risk）和损失期望值ES（Expected shortfall）的估计
风险价值VaR和损失期望值ES是常见的风险度量。
R语言Markowitz马克维茨投资组合理论分析和可视化
至少在统计学的角度上，要评估一个投资组合是否最优是很困难的。
小数定律的保险业应用：泊松分布模拟索赔次数
在保险业中，由于分散投资，通常会在合法的大型投资组合中提及大数定律。在一定时期内，损失“可预测”。
广义线性模型索赔频率预测：过度分散、风险暴露数和树状图可视化
在精算科学和保险费率制定中，考虑到风险敞口可能是一场噩梦。不知何故，简单的结果是因为计算起来更加复杂，只是因为我们必须考虑到暴露是一个异构变量这一事实。
R语言精算学：使用链梯法Chain Ladder和泊松定律模拟和预测未来赔款数据
使用Chain Ladder方法完成流量三角形，即计算我们认为未来几年将支付的平均金额
R语言中的广义线性模型（GLM）和广义相加模型（GAM）：多元（平滑）回归分析保险资金投资组合信用风险敞口
在之前的课堂上，我们已经看到了如何可视化多元回归模型（带有两个连续的解释变量）。
R语言蒙特卡洛计算和快速傅立叶变换计算矩生成函数
对精算科学来说，当我们处理独立随机变量的总和时，特征函数很有趣，因为总和的特征函数是特征函数的乘积。
R语言再保险合同定价案例研究
拥有参数模型变得有趣，该模型应该比经验平均值更健壮。
R语言泊松回归对保险定价建模中的应用：风险敞口作为可能的解释变量
在保险定价中，风险敞口通常用作模型索赔频率的补偿变量。
R语言分析负利率下金融市场：负利率和年金价值的变化
从动态的角度看,负利率效应也可以被描述为银行利率变化的速度小于价格指数变化的速度,这是一种违反经济规律的特殊状态。
R语言模拟保险模型中分类器的ROC曲线不良表现
在课程中进行案例研究（使用真实数据）时，学生都会惊讶地发现很难获得“好”模型
R语言马尔可夫区制转换模型Markov regime switching
本文简要介绍了一种简单的状态切换模型，该模型构成了隐马尔可夫模型（HMM）的特例。
R语言中的马尔可夫机制转换(Markov regime switching)模型
金融分析师通常关心市场何时“发生变化”：几个月或者几年内市场的典型行为可以立即转变为非常不同的行为。
R语言ARMA-EGARCH模型、集成预测算法对SPX实际波动率进行预测
本文比较了几个时间序列模型，以预测SP 500指数的每日实际波动率。
R语言中进行期权定价的Heston模型
在本文中，我将向您展示如何模拟股票价格的Heston随机波动率模型。
使用R语言随机波动模型SV处理时间序列中的随机波动率
采样函数svsample需要其输入数据y是数值向量，而且没有任何缺失值（NA），如果提供其他任何内容，则会报错。
R语言使用随机技术差分进化算法优化的Nelson-Siegel-Svensson模型
在本教程中，我们将研究如何将Nelson-Siegel-Svensson（NSS）模型拟合到数据。由于我们将使用随机技术进行优化，因此我们应该重新运行几次。变量nRuns设置示例重启的次数。
R语言用神经网络改进Nelson-Siegel模型拟合收益率曲线分析
我们要做的是：我们从一些收益率曲线开始，然后逐步地随机修改收益率，最后尝试拟合NS模型以新的收益。因此我们对此进行了模拟。
R语言和QuantLib中Nelson-Siegel模型收益曲线建模分析
Nelson-Siegel- [Svensson]模型是拟合收益曲线的常用方法。可以用其参数的经济可解释性来解
用R语言用Nelson Siegel和线性插值模型对债券价格和收益率建模
用R语言用Nelson Siegel和线性插值模型对债券价格和收益率建模
R语言Black Scholes和Cox-Ross-Rubinstein期权定价模型案例
近年来，期权交易变得非常流行。 在这篇文章中，您将学习一种期权交易策略，可以用来以较低的价格购买自己喜欢的股票。期权是一种衍生工具。
R语言中的Nelson-Siegel模型在汇率预测的应用
这篇文章的目的是指导读者逐步使用R编程语言实现Nelson-Siegel模型的步骤。
R语言中的风险价值模型度量指标TVaR与VaR
R语言中的风险价值模型度量指标TVaR与VaR
使用R语言进行机制检测的隐马尔可夫模型HMM
在本文中，将对“牛市”和“熊市”两个独立机制下的市场收益进行模拟。隐马尔可夫模型识别处于特定状态的概率。
使用R语言对S＆P500股票指数进行ARIMA + GARCH交易策略
在本文中，我想向您展示如何应用S＆P500美国股票市场指数的交易策略。
R语言GARCH-DCC模型和DCC（MVT）建模估计
这个简短的演示说明了使用rmgarch软件包的DCC模型及其方法的使用，尤其是在存在MVT分布形状参数的情况下进行2级DCC估计的另一种方法。
R语言如何做马尔可夫转换模型markov switching model
假设 有时间序列数据，如下所示。经验表明，目标变量y似乎与解释变量x有关。
Python基于粒子群优化(PSO)的投资组合优化研究
在本文中，我将介绍投资组合优化并解释其重要性。其次，我将演示粒子群优化如何应用于投资组合优化。第三，我将解释套利交易组合，然后总结我的研究结果。
R语言： GARCH模型股票交易量的研究道琼斯股票市场指数
我将建立道琼斯工业平均指数（DJIA）日交易量对数比的ARMA-GARCH模型。
R语言实现 Copula 算法建模依赖性案例分析报告
R语言实现 Copula 算法建模依赖性案例分析报告
用R语言实现神经网络预测股票实例
神经网络是一种基于现有数据创建预测的计算系统。
Python金融应用编程:衍生品定价和套期保值的随机过程
随机过程对定量融资的许多方面都很有用，包括但不限于衍生品定价，风险管理和投资管理。
WinBUGS对多元随机波动率模型：贝叶斯估计与模型比较
在本文中，我们通过一个名为WinBUGS的免费贝叶斯软件，可以很容易地完成基于似然的多变量随机波动率（SV）模型的估计和比较。
R语言highfrequency高频金融数据导入
R中针对高频数据的添加包highfrequency，用于组织高频数据， 高频数据的清理、整理，高频数据的汇总，使用高频数据建立相关模型 都非常方便。但是其中数据输入的过程中，会使用到包里的函数convert()。该函数支持三类的高频数据：
HAR-RV-J- RNN模型预测和交易大型股票指数的高频波动率
已有大量关于预测高频波动的文献，但大多数仅根据统计误差评估预测。
通过关联规则数据挖掘我们能从股市数据得到什么
通过数据挖掘我们能从股市数据得到什么
matlab使用Copula仿真优化市场风险
此示例演示了使用具有胖尾边缘分布的多变量copula模拟计算投资组合的风险价值和条件风险值（预期缺口）。
python用线性回归预测股票价格
python用线性回归预测股票价格
matlab使用Copula仿真优化市场风险数据VaR分析
此示例探讨了如何使用多因素copula模型模拟相关的交易违约。
R语言使用LASSO回归预测股票收益
只要有金融经济学家，金融经济学家一直在寻找能够预测股票收益的变量。
R语言基于ARCH模型股价波动率建模分析
金融中一个重要度量是与资产相关的风险，而资产波动率是最常用的风险度量。然而，资产波动率的类型有多种。
r语言预测波动率的实现：ARCH模型与HAR-RV模型
波动率是众多定价和风险模型中的关键参数，例如BS定价方法或风险价值的计算。
GARCH（1,1），MA以及历史模拟法的VaR比较
风险价值（VaR）及其所有相关问题仍然是风险管理中的主要模型。
隐马尔可夫模型HMM识别不断变化的市场条件
了解不同的市场状况如何影响您的策略表现可能会对您的回报产生巨大的影响。
R语言arma-garch-copula模型和金融时间序列案例
最近我们被要求撰写关于金融时间序列的arma-garch-copula的调查报告。
使用SAS Enterprise Miner进行数据挖掘：信用评分构建评分卡模型
信用记分卡一直是信用评分的标准模型，因为它们易于理解，使您能够轻松评分新数据-即计算新客户的信用评分。
R语言基于ARMA-GARCH-VaR模型拟合和预测实证研究分析案例
本文显示了如何基于潜在的ARMA-GARCH过程（当然也涉及更广泛意义上的QRM）来拟合和预测风险价值（VaR）。
R语言求风险价值VaR Value at Risk
风险价值是衡量与投资组合相关的风险水平的统计方法。
python用线性回归预测股票价格
线性回归在财务中被广泛应用于众多应用程序中。
matlab预测ARMA-GARCH 条件均值和方差模型
此示例显示MATLAB如何从复合条件均值和方差模型预测 和条件差异。
R语言使用ARIMA模型预测股票收益
“预测非常困难，特别是关于未来”。-丹麦物理学家尼尔斯·波尔（Neils Bohr）
spss modeler用决策树神经网络预测ST的股票
spss modeler用决策树神经网络预测ST的股票
R语言基于ARMA-GARCH过程的VaR拟合和预测
本文显示了如何基于潜在的ARMA-GARCH过程（当然也涉及更广泛意义上的QRM）来拟合和预测风险价值（VaR）。
R语言多元Copula GARCH 模型时间序列预测
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。
用机器学习识别不断变化的股市状况—隐马尔可夫模型(HMM)的应用
了解不同的股市状况，改变交易策略，对股市收益有很大的影响。
数据风控的探索实践:机器学习识别欺诈
在信息爆炸时代，“信用”已成为越来越重要的无形财产。
- 1
- 2
