R语言指数加权模型EWMA预测股市多变量波动率时间序列
从广义上讲,复杂的模型可以实现很高的预测准确性。
从广义上讲,复杂的模型可以实现很高的预测准确性。
此示例说明如何使用三种方法估计风险价值 (VaR) 并执行 VaR 回测分析。
本文学习创建时间序列预测的步骤,关注Dickey-Fuller检验、指数加权平均(EWMA)和ARIMA(自回归移动平均)模型,从理论上学习这些概念以及它们在python和R中的实现。
本文将说明单变量和多变量金融时间序列的不同模型,特别是条件均值和条件协方差矩阵、波动率的模型。
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