拓端tecdat|R语言基于ARMA-GARCH-VaR模型拟合和预测实证研究分析案例

2024-04-18 13:18:35

原文链接：http://tecdat.cn/?p=3186

原文出处：拓端数据部落公众号

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）。

从ARMA-GARCH过程模拟（log-return）数据

我们考虑使用t 分布的ARMA（1,1）-GARCH（1,1）过程。

模拟一个序列（用于说明目的）。


nu <- 3
fixed.p <- list(mu = 0, #   mu (截距)ar1 = 0.5, #   phi_1 (AR(1) 参数 of mu_t)ma1 = 0.3, #   theta_1 (MA(1) 参数 of mu_t)omega = 4, #   alpha_0 (截距)alpha1 = 0.4, #   alpha_1 (GARCH(1) 参数 of sigma_t^2)beta1 = 0.2, #   beta_1 (GARCH(1) 参数 of sigma_t^2)shape = nu) #
armaOrder <- c(1,1) # ARMA 参数
garchOrder <- c(1,1) # GARCH 参数
varModel <- list(model = "sGARCH", garchOrder = garchOrder)
spec <- ugarchspec(varModel, mean.model = list(armaOrder = armaOrder),fixed.pars = fixed.p, distribution.model = "std") # t 标准残差

作为一个完整性检查，让我们绘制模拟序列，条件标准偏差和残差。

plot(X,   type = "l", xlab = "t", ylab = expression(X[t]))

plot(sig, type = "h", xlab = "t", ylab = expression(sigma[t]))

plot(eps, type = "l", xlab = "t", ylab = expression(epsilon[t]))

将ARMA-GARCH模型拟合到（模拟）数据

拟合ARMA-GARCH模型。

让我们再考虑一些健全性检查。

## 拟合 ARMA(1,1)-GARCH(1,1) model
spec <- ugarchspec(varModel, mean.model = list(armaOrder = armaOrder),distribution.model = "std") #
fit <- ugarchfit(spec, data = X) # fit##
mu. <- fitted(fit) # 拟合 hat{mu}_t (= hat{X}_t)
sig. <- sigma(fit) # 拟合 hat{sigma}_t##
stopifnot(all.equal(as.numeric(mu.),  fit@fit$fitted.values),all.equal(as.numeric(sig.), fit@fit$sigma))

计算VaR时间序列

计算VaR估计值。请注意，我们也可以在这里使用基于GPD的估算模型。

Backtest VaR估计值

让我们回测VaR的估计。

## [1] 10
## [1] 12
## [1] "Correct Exceedances"
## [1] "Fail to Reject H0"
## [1] "Correct Exceedances & Independent"
## [1] "Fail to Reject H0"

基于拟合模型预测VaR

现在预测VaR。

模拟X_t的未来轨迹并计算相应的VaR

模拟序列，估计每个模拟路径的VaR（注意quantile()这里不能使用，因此我们必须手动构建VaR）并计算VaR _alpha的bootstrap置信区间。

结果对比

最后，我们显示所有结果。

非常感谢您阅读本文，有任何问题请在下面留言！

最受欢迎的见解

1.R语言基于ARMA-GARCH-VaR模型拟合和预测实证研究

2.R语言时变参数VAR随机模型

3.R语言时变参数VAR随机模型

4.R语言基于ARMA-GARCH过程的VAR拟合和预测

5.GARCH（1,1），MA以及历史模拟法的VaR比较

6.R语言时变参数VAR随机模型

7.R语言实现向量自动回归VAR模型

8.R语言随机搜索变量选择SSVS估计贝叶斯向量自回归（BVAR）模型

9.R语言VAR模型的不同类型的脉冲响应分析

拓端tecdat|R语言基于ARMA-GARCH-VaR模型拟合和预测实证研究分析案例相关推荐

R语言基于ARMA-GARCH-VaR模型拟合和预测实证研究分析案例
本文展示了如何基于基础ARMA-GARCH过程(当然这也涉及广义上的QRM)来拟合和预测风险价值(Value-at-Risk,VaR). library(qrmtools)# for qq_plot( ...
拓端tecdat|R语言逻辑回归（Logistic回归）模型分类预测病人冠心病风险
最近我们被客户要求撰写关于冠心病风险的研究报告,包括一些图形和统计输出. 相关视频:R语言逻辑回归(Logistic回归)模型分类预测病人冠心病风险逻辑回归Logistic模型原理和R语言分类预测冠 ...
拓端tecdat|R语言用LOESS(局部加权回归)季节趋势分解（STL）进行时间序列异常检测
最近我们被客户要求撰写关于LOESS(局部加权回归)的研究报告,包括一些图形和统计输出. 这篇文章描述了一种对涉及季节性和趋势成分的时间序列的中点进行建模的方法.我们将对一种叫做STL的算法进行研究, ...
拓端tecdat|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
最近我们被客户要求撰写关于向量误差修正模型的研究报告,包括一些图形和统计输出. 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.但是,经济理论认为,经济变量之间在水平上存在着均衡关系,可以 ...
拓端tecdat|R语言线性回归和时间序列分析北京房价影响因素可视化案例
最近我们被客户要求撰写关于北京房价影响因素的研究报告,包括一些图形和统计输出. 目的房价有关的数据可能反映了中国近年来的变化: 人们得到更多的资源(薪水),期望有更好的房子人口众多独生子女政策: ...
网页中加载obj模型比较慢_R语言估计时变VAR模型时间序列的实证研究分析案例...
原文 http://tecdat.cn/?p=3364tecdat.cn 加载R包和数据集上述症状数据集包含在R-package 中,并在加载时自动可用. 加载包后,我们将此数据集中包含的12个心 ...
R语言第八讲评估模型之交叉验证法分析案例
题目评估Auto数据集上拟合多个线性模型所产生的测试错误率.Auto数据集是存在与ISLR程序包中的一个摩托车相关数据的数据集,读者可自行下载ISLR程序包,并将Auto数据集加载. 相关资料交叉 ...
R语言基于日期范围筛选数据实战（Subset by a Date Range）:日期范围之内的数据、日期范围之外的数据、日期之后的数据、日期之前的数据
R语言基于日期范围筛选数据实战(Subset by a Date Range):日期范围之内的数据.日期范围之外的数据.日期之后的数据.日期之前的数据目录 R语言基于日期范围筛选数据实战(Subse ...
R语言基于可视化进行多变量离群（Mulltivariate outliers）点检测识别：散点图可视化多变量离群点、模型平滑多变量异常检测、使用平行坐标图查看钻石数据集中的异常值
R语言基于可视化进行多变量离群(Mulltivariate outliers)点检测识别:散点图可视化多变量离群点.模型平滑多变量异常检测.使用平行坐标图查看钻石数据集中的异常值目录
R语言基于多字段（多数据列、multiple columns）对dataframe的行数据进行排序（Ordering rows）实战：使用R原生方法、data.table、dplyr等方案
R语言基于多字段(多数据列.multiple columns)对dataframe的行数据进行排序(Ordering rows)实战:使用R原生方法.data.table.dplyr等方案目录

最新文章

热门文章