python、R语言ARIMA-GARCH分析南方恒生中国企业ETF基金净值时间序列分析
虽然中国股票市场日益完善,但还不完全是弱有效市场,因此中国股票市场存在比较明显的通过技术分析达到的套利机会。
Category Archives: 金融
Python随机波动性SV模型：贝叶斯推断马尔可夫链蒙特卡洛MCMC分析英镑/美元汇率时间序列数据
WeChat Tencent QQ email print 由Kaizong Ye，Sherry Deng撰写
Python随机波动模型Stochastic volatility，SV随机变分推断SVI分析标普500指数股票价格时间序列数据波动性可视化
随机波动模型（Stochastic volatility models）经常被客户用来对股票价格随时间的变动性进行建模。
Python用GARCH对ADBL股票价格时间序列趋势滚动预测、损失、可视化分析
金融市场的股票价格时间序列分析一直以来都是投资者和研究者关注的主题之一。
【专题】中国可持续金融发展洞察白皮书报告PDF合集分享（附原数据表）
自我国提出双碳目标以来，可持续金融市场发展迅速，呈现蓬勃发展的态势。
R语言分析ROE与股票收益的关系
影响股票收益的因子一直是研究者与投资者关注的问题。
R语言改进的DCC-MGARCH：动态条件相关系数模型、BP检验分析股市数据
股票市场波动性模型一直是金融领域研究的热点之一。
R语言Copula对债券时间序列数据的流动性风险进行度量
在金融市场中，债券的流动性风险一直是一个备受关注的问题。
R语言ARMA-GARCH模型金融产品价格实证分析黄金价格时间序列
研究黄金价格的动态演变过程至关重要。
R语言门限误差修正模型(TVECM)参数估计沪深300指数和股指期货指数可视化
时间序列模型的理论已经非常丰富,模型的应用也相当广泛。 WeChat Tencent QQ email pri
Eviews回归分析股权集中度、股权制衡度与公司绩效关系：中小板上市公司数据
本文深入分析了国内外关于股权结构与公司绩效的影响因素
R语言逻辑回归Logistic选股因素模型交易策略及沪深300指数实证
本文以多因素模型在股票交易中的应用为背景，帮助客户针对Logistic选股模型的理论基础以及模型原理方面分析Logistic选股模型的可行性与稳定性。为保证模型的可靠和稳定，使用过去五年的历史数据来检测模型。
R语言无套利区间模型期货期现研究：正向套利和反向套利次数、收益率分析华泰柏瑞300ETF可视化
股指期货的套利交易有助于股指期货实现其价格发现以及风险规避的功能。
MATLAB、R基于Copula方法和k-means聚类的股票选择研究上证A股数据
Copula方法是测度金融市场间尾部相关性比较有效的方法，而且可用于研究非正态、非线性以及尾部非对称等较复杂的相依特征关系。
R语言MCMC-GARCH、风险价值VaR模型股价波动分析上证指数时间序列
随着金融市场全球化的发展，金融产品逐渐受到越来越多的关注，而金融产品的风险度量成为投资者最关心的问题。
R语言随机波动模型SV：马尔可夫蒙特卡罗法MCMC、正则化广义矩估计GMM和准最大似然估计QMLE上证指数收益时间序列
本文做SV模型，选取马尔可夫蒙特卡罗法(MCMC)、正则化广义矩估计法和准最大似然估计法估计。
python用回归、arima、随机森林、GARCH模型分析国债期货波动性、收益率、价格预测
让个人购买人员了解美国国债期货的特性，以便于进行个人投资及管理。
R语言GARCH族模型：正态分布、t、GED分布EGARCH、TGARCH的VaR分析股票指数
我们和一位客户讨论如何在R软件中处理GARCH族模型。
R语言代做编程辅导COMP 226: Computer-based trading in financial markets（附答案）
Limit Order Book Pricer
R语言多元（多变量）GARCH ：GO-GARCH、BEKK、DCC-GARCH和CCC-GARCH模型和可视化
从Engle在1982发表自回归条件异方差(ARCH)模型的论文以来，金融时间序列数据的波动性就倍受关注。
MATLAB用GARCH-EVT-Copula模型VaR预测分析股票投资组合
最近我们被客户要求撰写关于投资组合的研究报告，引入Copula来描述多只股票间的非线性相关性，构建多元GARCH-EVT-Copula模型来度量开放式基金的风险，并与其他VaR估计方法的预测结果进行比较。
美光科技股票基本分析：经济背景、行业分析财政状况（盈利、EBITDA、PP&E、D&A等）预测计算DCF
本文收集信息和数据，从多方面评估分析美光科技的市场走向，商业前景。
Python用RNN神经网络LSTM优化EMD经验模态分解交易策略的股票价格MACD分析
预测股票价格，并在合适的时间产生交易策略实现收益，一直是一个热门的问题，到现在为止也提出了很多预测方法。
Python 用几何布朗运动模型和蒙特卡罗Monte Carlo随机过程模拟股票价格可视化分析耐克NKE股价时间序列数据
金融资产/证券已使用多种技术进行建模。
R语言GARCH模型对股市sp500收益率bootstrap、滚动估计预测VaR、拟合诊断和蒙特卡罗模拟可视化
Box 等人的开创性工作(1994) 在自回归移动平均模型领域的相关工作为波动率建模领域的相关工作铺平了道路，分别由 Engle (1982) 和 Bollerslev (1986) 引入了 ARCH 和 GARCH 模型。
R语言单变量和多变量（多元）动态条件相关系数DCC-GARCH模型分析股票收益率金融时间序列数据波动率
当您处理金融时间序列时，我们通常可以获得相对高频的观察结果。
R语言和Python用泊松过程扩展：霍克斯过程Hawkes Processes分析比特币交易数据订单到达自激过程时间序列
本文描述了一个模型，该模型解释了交易的聚集到达，并展示了如何将其应用于比特币交易数据。
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。
R语言Copula模型分析股票市场板块相关性结构
这篇文章是关于 copulas 和重尾的。
R语言ARMA GARCH COPULA模型拟合股票收益率时间序列和模拟可视化
最近我们被客户要求撰写关于股票收益率时间序列的研究报告，包括一些图形和统计输出。在本文中，我们展示了 copula GARCH 方法拟合模拟数据和股票数据并进行可视化。
Python用Markowitz有效边界构建最优投资组合可视化分析四只股票
在这篇文章中，我想介绍 现代 投 资组合理论 (MPT)_、 _有效边界 以及它对投资组合构建的一些影响。
R语言多变量广义正交GARCH（GO-GARCH）模型对股市高维波动率时间序列拟合预测
在多变量波动率预测中，我们有时会看到对少数主成分驱动的协方差矩阵建模，而不是完整的股票。
R语言样条曲线分段线性回归模型piecewise regression估计个股beta值分析收益率数据
一只 股票的_beta_值通常意味着它与市场的关系，当市场变动 1%时，我们期望股票会发生多少百分比的变动。
R语言用有限混合模型(FMM,finite mixture model)创建衰退指标对股市SPY、ETF收益聚类和双坐标图可视化
从广义上讲，我们可以将金融市场状况分为两类：牛市和熊市。
R语言股票收益分布一致性检验KS检验Kolmogorov-Smirnov、置换检验Permutation Test可视化
今年的收益是否真的与典型年份的预期不同？
R语言Fama French (FF) 三因子模型和CAPM多因素扩展模型分析股票市场投资组合风险/收益可视化
FF 模型通过回归除市场收益之外的几个变量的投资组合收益来扩展 CAPM。
Python配对交易策略Pairs Trading统计套利量化交易分析股票市场
最近我们被客户要求撰写关于量化交易的研究报告。
R语言Copula估计边缘分布模拟基金收益率计算投资组合风险价值VaR与期望损失ES
在这项工作中，我通过创建一个包含四只基金的模型来探索 copula，这些基金跟踪股票、债券、美元和商品的市场指数。
R语言非线性回归beta系数估算股票市场的风险分析亚马逊AMZN股票和构建投资组合
Beta 假设反映了一种工具对例如市场的风险。但是，您可以通过各种方式估算此度量。
Matlab用Copula模型进行蒙特卡洛(Monte Carlo)模拟和拟合股票收益数据分析
最近，copula 在仿真模型中变得流行起来。
Matlab用BUGS马尔可夫区制转换Markov switching随机波动率SV模型、序列蒙特卡罗SMC、Metropolis Hastings采样分析时间序列数据
在这个例子中，我们考虑马尔可夫转换随机波动率模型。
R语言风险价值：ARIMA，GARCH模型，Delta-normal法滚动估计，预测VaR（Value at Risk）和回测分析花旗公司股票时间序列数据
此分析的目的是构建一个过程，以在给定时变波动性的情况下正确估计风险价值。 WeChat Tenc
Matlab正态分布、历史模拟法、加权移动平均线 EWMA估计风险价值VaR和回测Backtest标准普尔指数 S&P500时间序列
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。
R语言Garch建模常用软件包比较、拟合标准普尔SP 500指数波动率时间序列和预测可视化
我们研究波动聚集，以及使用单变量 GARCH(1,1) 模型对其进行建模。
Python金融时间序列模型ARIMA 和GARCH 在股票市场预测应用
这篇文章讨论了自回归综合移动平均模型 (ARIMA) 和自回归条件异方差模型 (GARCH) 及其在股票市场预测中的应用。
MATLAB用GARCH模型对股票市场收益率时间序列波动的拟合与预测
使用 garch 指定一个单变量GARCH（广义自回归条件异方差）模型。
R语言极值理论 EVT、POT超阈值、GARCH 模型分析股票指数VaR、条件CVaR：多元化投资组合预测风险测度分析
本文用 R 编程语言极值理论 (EVT) 以确定 10 只股票指数的风险价值（和条件 VaR）。
Python 用ARIMA、GARCH模型预测分析股票市场收益率时间序列
在量化金融中，我们学习了各种时间序列分析技术以及如何使用它们。
R语言结合新冠疫情COVID-19股票价格预测：ARIMA，KNN和神经网络时间序列分析
本文的目标是使用各种预测模型预测Google的未来股价，然后分析各种模型。
R语言随机波动率(SV)模型、MCMC的Metropolis-Hastings算法金融应用：预测标准普尔SP500指数
在这个例子中，我们考虑随机波动率模型 SV0 的应用，例如在金融领域。
R语言ARIMA-GARCH波动率模型预测股票市场苹果公司日收益率时间序列
在本文中，我们将尝试为苹果公司的日收益率寻找一个合适的 GARCH 模型。
R语言用综合信息准则比较随机波动率（SV）模型对股票价格时间序列建模
随机波动率（SV）模型是常用于股票价格建模的一系列模型。
R语言回测交易：根据历史信号/交易创建股票收益曲线
本文介绍如何根据历史信号/交易制作股票曲线。
Python中TensorFlow的长短期记忆神经网络(LSTM)、指数移动平均法预测股票市场和可视化
本文探索Python中的长短期记忆（LSTM）网络，以及如何使用它们来进行股市预测。
python中的copula：Frank、Clayton和Gumbel copula模型估计与可视化
简单地说，copulas是具有均匀边际的联合分布函数。
R语言逻辑回归Logistic回归分析预测股票涨跌
本文回答了关于逻辑回归的问题：它与线性回归有什么不同，如何在R中用glm()函数拟合和评估这些模型等等？
R语言多元动态条件相关DCC-MVGARCH、常相关CCC-MVGARCH模型进行多变量股市波动率预测
当从单变量波动率预测跳到多变量波动率预测时，我们需要明白，现在不仅要预测单变量波动率元素，还要预测协方差元素。
R语言时变波动率和ARCH，GARCH，GARCH-in-mean模型分析股市收益率时间序列
自回归条件异方差（ARCH）模型涉及具有时变异方差的时间序列，其中方差是以特定时间点的现有信息为条件的。
R语言资产配置策略量化模型：改进的移动平均线策略动态回测
定量战术资产配置策略（QATAA）模型是使用10个月的移动平均线作为过滤器。
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)
本文目标是创建合成波动率指数
R语言有状态依赖强度的非线性、多变量跳跃扩散过程模型似然推断分析股票价格波动
跳跃扩散过程为连续演化过程中的偏差提供了一种建模手段。
Python蒙特卡罗（Monte Carlo）模拟计算投资组合的风险价值（VaR）
VaR是 “风险价值 “的缩写，是许多公司和银行用来确定其公司内部金融风险水平的工具。风险值是为公司的投资而计算的，也可能是为检查银行或公司所管理的投资组合的风险水平。
Python风险价值计算投资组合VaR（Value at Risk ）、期望损失ES（Expected Shortfall）
Python计算获得多资产投资组合的风险度量。
R语言乘法GARCH模型对高频交易数据进行波动性预测
虽然我对高频噪音中出现信号的有效性有一些怀疑，但我还是决定使用GARCH模型研究一下收益率的统计模型。与每日和较低频率的收益不同，日内高频数据有某些特殊的特点，使得使用标准的建模方法是无效的。
Python用时变马尔可夫区制转换（Markov regime switching）自回归模型分析经济时间序列
本文提供了一个在统计模型中使用马可夫转换模型模型的例子，来复现Kim和Nelson（1999）中提出的一些结果。
Python随机波动率(SV)模型对标普500指数时间序列波动性预测
资产价格具有随时间变化的波动性（逐日收益率的方差）。
R语言经济学：动态模型平均(DMA)、动态模型选择(DMS)预测原油价格时间序列
简要地提供了在经济学中使用模型平均和贝叶斯方法的论据，使用了动态模型平均法（DMA），并与ARIMA、TVP等方法进行比较。希望对经济和金融领域的从业人员和研究人员有用。
