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

由Kaizong Ye,Sherry Deng撰写

本文显示了如何基于潜在的ARMA-GARCH模型(当然也涉及更广泛意义上的QRM)来拟合和预测风险价值(VaR)

从ARMA-GARCH进程模拟(log-return)数据

我们考虑使用t 分布的ARMA(1,1)-GARCH(1,1)过程。

模拟一个序列(用于说明目的)。

作为一个完整性检查,让我们绘制模拟序列,条件标准偏差和残差。


视频

时间序列分析模型 ARIMA-ARCH GARCH模型分析股票价格数据

探索见解

去bilibili观看

探索更多视频


视频

风险价值VaR原理与Python蒙特卡罗Monte Carlo模拟计算投资组合实例

探索见解

去bilibili观看

探索更多视频

将ARMA-GARCH模型拟合到(模拟)数据

拟合ARMA-GARCH模型 。

让我们再考虑一些健全性检查。


R语言中的时间序列分析模型:ARIMA-ARCH / GARCH模型分析股票价格

阅读文章


计算VaR时间序列

计算VaR估计值。注意,我们在这里也可以使用基于GPD的估算。

回测 VaR估计值

让我们回测VaR的估计。

基于拟合模型预测VaR

现在预测VaR。

模拟 X_t 的未来轨迹并计算相应的VaR

模拟序列,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VaR _alpha的bootstrap置信区间。

结果对比

最后,我们显示所有结果。


随时关注您喜欢的主题



可下载资源

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。

​非常感谢您阅读本文,如需帮助请联系我们!

 
QQ在线咨询
售前咨询热线
15121130882
售后咨询热线
0571-63341498

关注有关新文章的微信公众号


永远不要错过任何见解。当新文章发表时,我们会通过微信公众号向您推送。

技术干货

最新洞察

This will close in 0 seconds