R语言Fama-French三因子模型实际应用:优化投资组合
本文将说明金融数学中的R 语言优化投资组合,因子模型的实现和使用。
本文将说明金融数学中的R 语言优化投资组合,因子模型的实现和使用。
资本资产定价模型(CAPM) 是用于确定是否在一个特定资产的投资是值得的。
在本教程中,您将学习如何在R中创建神经网络模型。
机器学习算法可用于找到最佳值来交易您的指标。
过程会随着时间的推移而发展,结果会发生变化。
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。
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。
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)。
电力负荷预测是电网规划的基础,其水平的高低将直接影响电网规划质量的优劣。
随着越来越多的数据被数字化,获取信息变得越来越困难。我们在本文中重点关注的一个示例是评估公司面临的不同风险领域。
利率衍生证券的定价依赖于描述基本过程的模型。这些利率模型取决于您必须通过将模型预测与市场上可用的现有数据进行匹配来确定的一个或多个参数。
动量和马科维茨投资组合模型使 均值方差优化 组合成为可行的解决方案。
本文在股市可视化中可视化相关矩阵 :最小生成树
分析师通常关心检测市场何时“发生变化”:几个月或几年内市场的典型行为可以立即转变为非常不同的行为。投资者希望及时发现这些变化,以便可以相应地调整其策略,但是这样做可能很困难。
最近,我们继续对时间序列建模进行探索,研究时间序列模型的自回归和条件异方差族。我们想了解自回归移动平均值(ARIMA)和广义自回归条件异方差(GARCH)模型。它们在量化金融文献中经常被引用。
最近,我们使用隐马尔可夫模型开发了一种解决方案,并被要求解释这个方案。
本说明介绍使用Student-t改进的GARCH(1,1)模型对汇率对数收益进行贝叶斯估计。
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。
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。
大数据背景下各种数据相关的岗位变得炙手可热,长期处于供不应求的状态。近年来随着人工智能的发展,数据分析岗也越发火热。
至少在统计学的角度上,要评估一个投资组合是否最优是很困难的。
这里的想法是使距离最大化:想法是区分,所以我们希望样本尽可能不独立。要计算基尼系数。
神经网络是一种非常通用的灵活预测模型,可用于解决各种问题,包括分类,降维和回归。
拥有参数模型变得有趣,该模型应该比经验平均值更健壮。
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。
在本教程中,我们将讨论一种非常强大的优化(或自动化)算法,即网格搜索算法。
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。
使用ARIMA模型,您可以使用序列过去的值预测时间序列。
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。
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。
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。
本文使用模拟数据比较了标准最小二乘法和lasso回归。
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。
最近我们被客户要求撰写关于开发具有多个输出的文本分类模型的研究报告。
分类问题属于机器学习问题的类别,其中给定一组特征,任务是预测离散值。
时间序列预测是指我们必须根据时间相关的输入来预测结果的问题类型。
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。
神经网络一直是迷人的机器学习模型之一
Python Monte Carlo K-Means聚类实战研究
在本文中,我将向您介绍集成建模的基础知识。 另外,为了向您提供有关集合建模的实践经验。
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。
R语言岭回归ridge regression分析住房价格报告
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。
本文是我们通过时间序列和ARIMA模型预测拖拉机销售的制造案例研究示例。
R语言markov switching model马尔可夫转换分析研究水资源
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语言通过WinBUGS对MGARCH和MSV模型进行贝叶斯估计和比较
R语言做复杂金融产品的几何布朗运动的模拟
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
总体上看,虎扑会员以年轻的男性和在校大学生为主,他们喜欢篮球等体育运动,关注NBA,英超等球类联赛
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。
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。
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。
正则化路径是针对正则化参数λ的值网格处的套索或弹性网络罚值计算的。该算法速度极快,可以利用输入矩阵中的稀疏性x。
本文在iris数据集上展示了如何使用R软件来建立Hierarchical Cluster Analysis层次聚类分析(更好的可视化和灵敏度分析)。
最近我们被客户要求撰写关于ARMA-GARCH-VaR模型的研究报告。
python用遗传算法 神经网络 模糊逻辑控制算法对乐透进行预测
风险价值是衡量与投资组合相关的风险水平的统计方法。
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。
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