拓端tecdat|R语言使用HAR-RV预测实际波动率Realized Volatility案例
原文链接：http://tecdat.cn/?p=3832
原文出处：拓端数据部落公众号
在建议用于预测已实现波动率的模型中，Corsi的HAR-RV在性能和简便性方面均脱颖而出。
“ HAR-RV”代表已实现波动性的异质自回归模型，并且基于所谓的“异质市场假说”。这表明，金融市场是人们以不同的频率行事的相互作用（例如，以高频率运行的公司，日内交易的交易商和低频率的机构投资者）。每一类市场都会以不同的频率引起波动，这将在一定程度上影响彼此。从这些考虑出发，想到了独立但联合地对每个波动频率建模的想法。这使我们得出以下结构非常简单的模型：
RV_d + 1 = b_0 + b_1 * RV_d + b_2 * RV_w + b_3 * RV_m
其中RV_d + 1是第二天的RV，RV_d是前一天的RV，RV_w是前一周的平均日RV，RV_m是前一个月的平均RV。在这种情况下，RV是给定频率下日内收益平方和的平方根。
b_0，b_1，b_2和b_3是要找到的回归参数。
如您所见，该模型基本上是一个简单的回归模型，但是它在性能方面与更复杂的模型（例如ARFIMA）进行了比较。实际上，HAR-RV能够对有关RV的主要程式化事实进行建模，例如自相关和长记忆效应（尽管该模型本身不是长记忆模型，它利用了AR（1）的简单总和的发现这一优势。进程可能显示为长存储进程）。
这是预测的已实现波动率的图：
这是实际RV的残差：
参考文献
1.HAR-RV-J与递归神经网络（RNN）混合模型预测和交易大型股票指数的高频波动率
2.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
3.波动率的实现：ARCH模型与HAR-RV模型
4.R语言ARMA-EGARCH模型、集成预测算法对SPX实际波动率进行预测
5.GARCH（1,1），MA以及历史模拟法的VaR比较
6.R语言多元COPULA GARCH 模型时间序列预测
7.R语言基于ARMA-GARCH过程的VAR拟合和预测
8.matlab预测ARMA-GARCH 条件均值和方差模型
9.R语言对S＆P500股票指数进行ARIMA + GARCH交易策略
拓端tecdat|R语言使用HAR-RV预测实际波动率Realized Volatility案例相关推荐
- 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: ...
- 拓端tecdat荣获掘金社区入驻新人奖
2021年7月,由掘金发起了"入驻成长礼"颁奖活动.本次活动邀请到知名开发者.服务机构代表等业界人士. 据了解,掘金社区"新入驻创作者礼"主要对已经积累了一定历 ...
- 拓端tecdat荣获2022年度51CTO博主之星
相信技术,传递价值,这是51CTO每一个技术创作者的动力与信念,2022 年度,拓端tecdat 作为新锐的数据分析咨询公司,在51CTO平台上,不断的输出优质的技术文章,分享前沿创新技术,输出最佳生 ...
- 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
原文链接:http://tecdat.cn/?p=23934 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(点击文末"阅读原文"获取完整代码数据). 相 ...
- 基于R语言混合效应模型（mixed model）案例研究
全文链接: http://tecdat.cn/?p=2596 在本文中,我们描述了灵活的竞争风险回归模型.回归模型被指定为转移概率,也就是竞争性风险设置中的累积发生率(点击文末"阅读原文&q ...
- R语言ARIMA集成模型预测时间序列分析
全文链接:http://tecdat.cn/?p=18493 本文我们使用4个时间序列模型对每周的温度序列建模.第一个是通过auto.arima获得的,然后两个是SARIMA模型,最后一个是Buys- ...
- R语言诊断试验数据处理与ROC分析实战案例2
R语言诊断试验数据处理与ROC分析实战案例2 目录 R语言诊断试验数据处理与ROC分析实战案例2 #ROC指标 #样例数据
最新文章
- Linux下查找Nginx配置文件位置
- 比特币前核心开发者Mike Hearn三年前的预测一一应验
- 二分图匹配的匈牙利算法
- 第十三届光华工程科技奖公布，彭士禄、张伯礼、王海峰等40人及1个团体获奖
- Linux查看端口使用状态及启动
- linux安装创建逻辑卷,Linux系统LVM逻辑卷的创建与扩容（命令详解，图文并茂）...
- ActiveMQ_使用经验
- MySQL如何发型不乱的应对半年数十TB数据增量
- c语言编译生成cpp,C语言的编译过程
- pptv如何绑定邮箱账号
- MQTT代理服务器特性对比
- 微型计算机的普通显示器通常有两组引线 即,微型计算机的显示屏通常具有两组引线，即（）...
- ajax响应码,jQuery 使用$ .ajax()处理HTTP响应代码
- 数据结构排序系列详解之七 归并排序
- HDU1850 Being a Good Boy in Spring Festival
- Windows8 提示用户去商店下载新版本
- Android 在 Fragment 中使用 getActivity() NullPointException 的思考和解决办法
- java 域名查询,java 查询可用域名
- 虚幻引擎学习之路：动画模块之基础篇
- Python+Appium+unittest demo