【视频讲解】R语言马尔可夫区制转移模型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。
Category Archives: 金融
R语言中的马尔可夫区制转移(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。
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
虽然期望债券不会出现负利率，但也不是完全看不到。在危机时期，政府债券甚至公司债券都可以以负收益率交易(例如雀巢)。
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。
狙击涨停板-通达信，同花顺，金字塔，TB等指标公式量化开发安装及使用教程
狙击涨停板-通达信，同花顺，金字塔，TB等指标公式量化开发安装及使用教程
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。
Using Garch model and regression model to analyzing stock prices in R
In order to find out the main factors affecting price fluctuations, we use stepwise regression to eliminate some independent variables that have little impact on the dependent variable, that is, the price. The name of the variable is changed to x1, x2…
R语言如何做马尔可夫转换模型markov switching model
最近我们被客户要求撰写关于时间序列的研究报告。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
我今年的研究课题是使用粒子群优化（PSO）的货币进行交易组合优化。
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。
【视频讲解】R语言实现 Copula 算法建模相依性案例分析报告
copula是将多变量分布函数与其边际分布函数耦合的函数，通常称为边缘。
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。
SPSS Modeler通过关联规则数据挖掘我们能从股市数据得到什么
众所周知，在证券投资领域将涉及很多数据，因此，通过简单的处理难以有效地分析各种公司股票之间的关系
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。
matlab实现MCMC的马尔可夫转换MS-ARMA – GARCH模型估计
状态转换模型，尤其是马尔可夫转换（MS）模型，被认为是识别时间序列非线性的不错的方法。
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语言连续时间马尔可夫链模拟案例 Markov Chains
一个加油站有一个加油桩，没有空间供车辆等待（如果车辆到达，加油桩被占用，它就会离开）。
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语言预测期货波动率的实现：ARCH与HAR-RV与GARCH，ARFIMA模型比较
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
某些策略在波动剧烈的市场中表现良好，而其他策略则需要强劲而平稳的趋势，否则将面临长时间的下跌风险。
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
最近我们被客户要求撰写关于ARMA-GARCH-VaR模型的研究报告。
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
之前在某社区中看到一篇帖子《一张价值几十万个跌停的统计表》，主要是预测即将被ST的股票，虽然有些标题党，但是还有有一些参考价值的。
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。
多均线量化策略回测比较
多均线量化策略回测比较
抓取问财财经搜索网页股票数据
抓取问财财经搜索网页股票数据
