R语言基于ARMA-GARCH-VaR模型拟合和预测实证研究分析案例

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)。

1 从ARMA-GARCH进程模拟(log-return)数据

我们考虑使用\(t \)分布式创新的ARMA(1,1)-GARCH(1,1)过程。

模拟一条路径(用于说明目的)。

作为一个完整性检查,让我们绘制模拟路径,条件标准偏差和残差。

2将ARMA-GARCH模型拟合到(模拟)数据

适合ARMA-GARCH流程X(在此处使用正确的已知订单;通常适合不同订单的流程然后决定)。

让我们再考虑一些健全性检查。

3计算VaR时间序列

计算VaR估计值。请注意,我们也可以在这里使用基于GPD的估算器。

4 Backtest VaR估计值

让我们回顾一下VaR的估计。

5基于拟合模型预测VaR

现在预测VaR。

6模拟\((X_t)\)的未来轨迹并计算相应的VaR

模拟路径,估计每个模拟路径的VaR(注意quantile()这里不能使用,因此我们必须手动构建VaR)并计算\(\ mathrm {VaR} _ \ alpha \)的自举置信区间。

7

最后,让我们显示所有结果。


可下载资源

​非常感谢您阅读本文,如需帮助请联系我们!


关于作者

Kaizong Ye拓端研究室(TRL)的研究员。

本文借鉴了作者最近为《R语言数据分析挖掘必知必会 》课堂做的准备。


随时关注您喜欢的主题

在wechat上关注我们

最新洞察

技术干货

Leave A Reply

电子邮件地址不会被公开。

 
QQ在线咨询
售前咨询热线
15121130882
售后咨询热线
0571-63341498
error: Content is protected
%d 博主赞过: