R语言GJR-GARCH和GARCH波动率预测普尔指数时间序列和Mincer Zarnowitz回归、DM检验、JB检验
在投资组合管理、风险管理和衍生品定价中，波动性起着重要作用。
Category Archives: 经济
R语言分位数自回归QAR分析痛苦指数：失业率与通货膨胀率时间序列
“分位数自回归”，它是对时间序列域的重要扩展。
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ARIMA、GARCH 和 VAR模型估计、预测ts 和 xts格式时间序列
对于时间序列分析，有两种数据格式： ts （时间序列）和 xts （可扩展时间序列）。
Python用GARCH、离散随机波动率模型DSV模拟和估计股票收益时间序列与蒙特卡洛可视化
这篇文章介绍了一类离散随机波动率模型。
R 语言用RNN循环神经网络 、LSTM长短期记忆网络实现时间序列长期利率预测
2017 年年中，R 推出了 Keras 包 ，这是一个在 Tensorflow 之上运行的综合库，具有 CPU 和 GPU 功能。本文将演示如何在 R 中使用 LSTM 实现时间序列预测。
R语言模拟和预测ARIMA模型、随机游走模型RW时间序列趋势可视化
当一个序列遵循随机游走模型时，就说它是非平稳的。
SAS分类决策树预测贷款申请评分剪枝和结果可视化
分类树的一个常见用途是预测抵押贷款申请人是否会拖欠贷款。
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语言模拟ARCH过程模型分析时间序列平稳性、波动性
在事物的发展过程中，常表现出复杂的波动情况，即时而波动的幅度较缓，而又时常出现波动集聚性(VolatilitY clustering),在风险研究中经常遇到这种情况。
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。
R语言多维数据层次聚类散点图矩阵、配对图、平行坐标图、树状图可视化城市宏观经济指标数据
本文通过一些指数对散点图矩阵和平行坐标显示中的面板进行排序，并根据其数值水平对面板进行着色。
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创建向量自回归（VAR）模型分析消费者价格指数 (CPI) 和失业率时间序列
var对象指定了p阶平稳的多变量向量自回归模型（VAR(p)）模型的函数形式并存储了参数值。
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）。
R语言BUGS序列蒙特卡罗SMC、马尔可夫转换随机波动率SV模型、粒子滤波、Metropolis Hastings时间序列分析
在这个例子中，我们考虑马尔可夫转换随机波动率模型。
R语言集成模型：提升树boosting、随机森林、约束最小二乘法加权平均模型融合分析时间序列数据
特别是在经济学/计量经济学中，建模者不相信他们的模型能反映现实。
【视频讲解】R语言用贝叶斯线性回归、贝叶斯模型平均 (BMA)来预测工人工资
贝叶斯模型提供了变量选择技术，确保变量选择的可靠性。
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。
【视频讲解】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。
Stata广义矩量法GMM面板向量自回归 VAR模型选择、估计、Granger因果检验分析投资、收入和消费数据
面板向量自回归（VAR）模型在应用研究中的应用越来越多。
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。
Python面板时间序列数据预测：格兰杰因果关系检验Granger causality test药品销售实例与可视化
时间序列是以固定时间_区间_记录的观察序列。
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。
R语言计量经济学：工具变量法(两阶段最小二乘法2SLS)线性模型分析人均食品消费时间序列数据和回归诊断
两阶段最小二乘法（2SLS）回归拟合的线性模型是一种常用的工具变量估计方法。
R语言实现随机前沿分析SFA、数据包络分析DEA、自由处置包分析FDH和BOOTSTRAP方法
在经济学中，技术效率是指在既定的投入下产出可增加的能力或在既定的产出下投入可减少的能力。
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。
Python决策树、随机森林、朴素贝叶斯、KNN（K-最近邻）分类分析银行拉新活动挖掘潜在贷款客户
项目背景：银行的主要盈利业务靠的是贷款，这些客户中的大多数是存款大小不等的责任客户（存款人）。
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语言中的copula GARCH模型拟合时间序列并模拟分析
在这个文章中，我们演示了copula GARCH方法（一般情况下）。
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。
R语言分解商业周期时间序列数据：线性滤波器、HP滤波器、Baxter King滤波器、Beveridge Nelson分解等去趋势方法
最近我们被客户要求撰写关于时间序列的研究报告。我们做的第一件事是清除当前环境中的所有变量。这可以通过以下命令进行。
【视频讲解】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。
R语言计量经济学：虚拟变量(哑变量)在线性回归模型中的应用
然而，诸如性别、季节、地点等变量则不能用数字来衡量。相反，我们使用虚拟变量来衡量它们。
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。
R语言计算资本资产定价模型(CAPM)中的Beta值和可视化
今天我们将计算投资组合收益的CAPM贝塔。这需要拟合一个线性模型，得到可视化，从资产收益的角度考虑我们的结果的意义。
R语言极值推断：广义帕累托分布GPD使用极大似然估计、轮廓似然估计、Delta法
本文是极端值推断的内容。我们在广义帕累托分布上使用最大似然方法。
【视频讲解】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语言使用ARIMAX预测失业率经济时间序列数据
在大数据的趋势下，我们经常需要做预测性分析来帮助我们做决定。
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。
R语言时间序列GARCH模型分析股市波动率
在这篇文章中，我们将学习一种在价格序列中建立波动性模型的标准方法，即广义自回归条件异方差（GARCH）模型。
R语言用LASSO，adaptive LASSO 预测通货膨胀时间序列
如果你了解数据科学领域，你可能听说过LASSO。LASSO是一个对目标函数中的参数大小进行惩罚的模型，试图将不相关的变量从模型中排除。
R语言用Copulas模型的尾部相依性分析损失赔偿费用
两个随机变量之间的相依性问题备受关注,相依性(dependence)是反映两个随机变量之间关联程度的一个概念。
R语言向量误差修正模型 (VECMs)分析长期利率和通胀率影响关系
向量自回归模型估计的先决条件之一是被分析的时间序列是平稳的。
【视频讲解】R语言改进的股票配对交易策略分析SPY-TLT组合和中国股市投资组合
相信大家都听说过股票和债券的多元化投资组合。
R语言时间序列平稳性几种单位根检验（ADF，KPSS，PP）及比较分析
WeChat Tencent QQ email print 由Kaizong Ye，Liao Bao撰写 μ是
R语言时变面板平滑转换回归模型TV-PSTR分析债务水平对投资的影响
最近我们被客户要求撰写关于面板平滑转换回归(PSTR)的研究报告。建模过程包括三个阶段：表述，估计和评估。当采用两种状态时，单转换函数PSTR模型具有两个变量：
【视频讲解】R语言极值理论EVT：基于GPD模型的火灾损失分布分析
极值理论关注风险损失分布的尾部特征,通常用来分析概率罕见的事件,它可以依靠少量样本数据,在总体分布未知的情况下,得到总体分布中极值的变化情况,具有超越样本数据的估计能力。
Python使用GARCH，EGARCH，GJR-GARCH模型和蒙特卡洛模拟进行股价预测
预测股价已经受到了投资者，政府，企业和学者广泛的关注。然而，数据的非线性和非平稳性使得开发预测模型成为一项复杂而具有挑战性的任务。
