R语言提取时间序列的周期性成分应用EMD,小波滤波器,Baxter过滤器等
对商业周期的分析需要提取时间序列的周期性成分,该时间序列通常也受到诸如潜在趋势或噪声等其他因素的影响。
对商业周期的分析需要提取时间序列的周期性成分,该时间序列通常也受到诸如潜在趋势或噪声等其他因素的影响。
R语言做复杂金融产品的几何布朗运动的模拟
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语言数据的收益率和可能的波动性交易
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:
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。
为了方便起见,这些模型通常简称为TAR模型。这些模型捕获了线性时间序列模型无法捕获的行为,例如周期,幅度相关的频率和跳跃现象。
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
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)。
TMA三均线期指高频交易策略的R语言实现
python用线性回归预测股票价格
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。
阈值模型用于几个不同的统计领域,而不仅仅是时间序列。
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。
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markov switching model马尔可夫转换模型研究案例
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)。
在传统的金融理论中,理性和同质的投资者是核心假设之一,表明每个投资者都有相同的信息,从而做出同样的决定。
r语言二元期权barrier option实现案例
此示例显示如何使用估计复合条件均值和方差模型estimate。
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。
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。
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。
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。
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。
这次,我们将使用k-Shape时间序列聚类方法检查与我们有业务关系的公司的股票收益率的时间序列。
最近我们被客户要求撰写关于时间序列的研究报告。分析时间序列数据的第一件事就是将其读入R,并绘制时间序列。
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。
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。
时变参数VAR随机模型是一种新的计量经济学方法
最近我们被客户要求撰写关于ARMA-GARCH-VaR模型的研究报告。
澳大利亚在2008 – 2009年全球金融危机期间发生了这种情况。政府发布了一揽子刺激计划,其中包括2008年12月的现金支付,恰逢圣诞节支出。
风险价值是衡量与投资组合相关的风险水平的统计方法。
线性回归在财务中被广泛应用于众多应用程序中。
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。
“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)
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。
有正必有反,在个人信贷业务规模不断扩大的同时,信贷的违约等风险问题也日益突出,一定程度上制约着我国的信贷市场的健康发展。
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)。
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。
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)。
五一小长假将至,很多人都打算要带上自己的家人出去旅游放松一下,这是一个令人很幸福的事情,但同时也是会有一些焦虑的,焦虑什么呢?
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。
在信息爆炸时代,“信用”已成为越来越重要的无形财产。
在互联网时代,数据是最宝贵的资源,大数据引领传统产业,催生新的活力。几乎所有的产业都在拥抱了大数据,体育产业也与之密切相关,数据捕获、存储和分析技术的持续进步正在积极影响着体育行业的方方面面。
新常态下银行信贷风险预警之道
如何用机器学习预测即将被ST的股票?
风险价值是衡量与投资组合相关的风险水平的统计方法。
多元Copula GARCH 模型时间序列预测
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
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