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。
Search Results: garch
R语言气象模型集成预报技术：神经网络、回归、svm、决策树用环流因子预测降雨水数据
随着天气预报技术的发展，数值预报产品日益丰富，预报方法多种多样。
Python、MATLAB股票投资：ARIMA模型最优的选股方案和投资组合方案与预测
基于当前统计的股票数据选择最优的选股方案和投资组合方案，以及预测股票价格未来一段时间的走向趋势以及波动程度，具有很大的实用价值
R语言金融市场量化交易：布林带、价差策略、RSI交易策略，回测COMP 226
我们将利用每日数据制定简单的交易策略 我们将涵盖以下内容。
R语言收益率和波动性模拟股票价格COMP226带自测题
在本工作表中，我们将研究价格、收益率和波动性。波动性通常用收益率的均方差来衡量，例如夏普比率的分母，它被用作风险的衡量标准。
Matlab代做assignment分享相关写作技巧
当美国大学的老师布置Matlab程序（编程assignment）让我们完成时，有不少的留学生们都会感到迷茫，在思考着Matlab assignment要怎么写，其实Matlab的主要功能就是算法开发以及数据可视化，是一款非常强大的数学软件，那么当我们不会写Matlab编程assignment时，我们应该怎么办呢？
R语言VaR市场风险计算方法与回测、用Logit逻辑回归、Probit模型信用风险与分类模型
市场风险指的是由金融市场中资产的价格下跌或价格波动增加所导致的可能损失。
Python用ARIMA ，ARIMAX预测商店商品销售需求时间序列数据
本文在相对简单的数据集上探索不同的时间序列技术。
R语言和Python对copula模型Gaussian、t、Clayton 和Gumbel族可视化理论概念和文献计量使用情况
本文包含一些直观的示例来说明 copula 理论的核心概念。
R语言用回归构建配对交易策略量化模型分析股票收益和价格
对于那些不熟悉“配对交易”概念的人来说几句话。
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ARIMA、ARIMAX、 动态回归和OLS 回归预测多元时间序列
当ARIMA模型包括其它时间序列作为输入变量时,被称为传递函数模型(transfer function model)、多变量时间序列模型(multivariate time series model)、ARIMAX模型或Box-Tiao模型。
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。
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。
ARIMA模型预测CO2浓度时间序列-python实现
时间序列为预测未来数据提供了方法。根据先前的值，时间序列可用于预测经济，天气的趋势。
R语言量化交易RSI策略：使用支持向量机SVM
机器学习算法可用于找到最佳值来交易您的指标。
R语言资产配置: 季度战术资产配置策略研究
有人已经表示有必要在战术资产配置（Tactical Asset Allocation, 简称TAA）策略中使用共同基金而不是ETF。
R语言HAR和HEAVY模型分析高频金融数据波动率
最近我们被客户要求撰写关于分析高频金融数据波动率的研究报告。在学术界和金融界，分析高频财务数据的经济价值现在显而易见。
R语言分位数回归预测筛选有上升潜力的股票
现在，分位数回归已被确立为重要的计量经济学工具。
R语言动量交易策略分析调整后股市数据
用于动量策略中所谓的动量（Momentum），是指某一对象所具有的一种倾向于保持其原有属性或特征的性质，也可以简单理解成一种惰性（Inertia）。
R语言ARIMA集成模型预测时间序列分析
本文我们使用4个时间序列模型对每周的温度序列建模。
R语言中使用RCPP并行计算指数加权波动率
指数加权波动率是一种波动率的度量，它使最近的观察结果有更高权重。
Python计算股票投资组合的风险价值（VaR）
风险价值（VaR）用于尝试量化指定时间范围内公司或投资组合中的财务风险水平。VaR提供了一段时间内投资组合的最大损失的估计，您可以在各种置信度水平上进行计算。
R语言有极值（EVT）依赖结构的马尔可夫链(MC)对洪水极值分析
为了帮助客户正确使用POT模型，本指南包含有关使用此模型的实用示例。本文快速介绍了极值理论（EVT）、一些基本示例，最后则通过案例对河流的极值进行了具体的统计分析。
R语言POT超阈值模型和极值理论分析
POT模型其主要动机是为高洪水流量的概率模型提供实用工具。但是，EVT的优势在于结果不取决于要建模的过程。因此，人们可以使用POT来分析降水，洪水，金融时间序列，地震等。
Matlab马尔可夫链蒙特卡罗法（MCMC）估计随机波动率（SV，Stochastic Volatility） 模型
波动率是一个重要的概念，在金融和交易中有许多应用。这是期权定价的基础。波动率还使您可以确定资产分配并计算投资组合的风险价值（VaR）。甚至波动率本身也是一种金融工具，例如CBOE的VIX波动率指数。但是，与证券价格或利率不同，波动不能直接观察到。
R语言风险价值VaR（Value at Risk）和损失期望值ES（Expected shortfall）的估计
风险价值VaR和损失期望值ES是常见的风险度量。
小数定律的保险业应用：泊松分布模拟索赔次数
在保险业中，由于分散投资，通常会在合法的大型投资组合中提及大数定律。在一定时期内，损失“可预测”。
图像倾斜校正算法的MATLAB实现：图像倾斜角检测及校正
随着多媒体技术的不断发展，数码相机，高清拍照手机等多媒体设备己经在人们的生活中占据了越来越重要的地位。
R语言蒙特卡洛计算和快速傅立叶变换计算矩生成函数
对精算科学来说，当我们处理独立随机变量的总和时，特征函数很有趣，因为总和的特征函数是特征函数的乘积。
R语言再保险合同定价案例研究
拥有参数模型变得有趣，该模型应该比经验平均值更健壮。
R语言分析负利率下金融市场：负利率和年金价值的变化
从动态的角度看,负利率效应也可以被描述为银行利率变化的速度小于价格指数变化的速度,这是一种违反经济规律的特殊状态。
matlab中使用VMD(变分模态分解)
拨号音信号的变模分解，首先创建一个以4 kHz采样的信号
R语言中基于混合数据抽样(MIDAS)回归的HAR-RV模型预测GDP增长
我们进行了MIDAS回归分析，以预测季度GDP增长以及每月非农就业人数的增长。
Python中的ARIMA模型、SARIMA模型和SARIMAX模型对时间序列预测
使用ARIMA模型，您可以使用序列过去的值预测时间序列。
python3用ARIMA模型进行时间序列预测
ARIMA模型是一种流行的且广泛使用的用于时间序列预测的统计方法。
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prophet预测时间序列数据模型
R语言中的prophet预测时间序列数据模型
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。
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。
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。
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）。
R语言时间序列TAR阈值模型分析
阈值模型用于几个不同的统计领域，而不仅仅是时间序列。
使用R语言进行时间序列（arima，指数平滑）分析
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。
R语言时变参数VAR随机模型
时变参数VAR随机模型是一种新的计量经济学方法
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。
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语言中实现马尔可夫链蒙特卡罗MCMC模型
最近我们被客户要求撰写关于马尔可夫链蒙特卡罗MCMC模型的研究报告。这只是众多算法之一。这个术语代表“马尔可夫链蒙特卡洛”，因为它是一种使用“马尔可夫链”（我们将在后面讨论）的“蒙特卡罗”（即随机）方法。
matlab中的偏最小二乘回归（PLSR）和主成分回归（PCR）
此示例显示如何在matlab中应用偏最小二乘回归（PLSR）和主成分回归（PCR），并讨论这两种方法的有效性。
matlab使用经验模态分解emd 对信号进行去噪
本文考虑由具有明显频率变化的正弦波组成的非平稳连续信号。
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。
机器学习助推快时尚精准销售时间序列预测
对于零售行业来说，预测几乎是商业智能（BI）研究的终极问题，单纯从机器学习的角度来说，做到精准预测很容易，但是结合业务提高企业利润却很难。预测精确性是核心痛点。
如何用机器学习预测即将被ST的股票？
如何用机器学习预测即将被ST的股票？
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。
- 1
- 2
