拓端tecdat|R语言模拟ARCH过程模型分析时间序列平稳性、波动性
原文链接:http://tecdat.cn/?p=25007
原文出处:拓端数据部落公众号
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。恩格尔(Engle)在1982年提出了用来描述方差波动的自回归条件异方差模型ARCH (Autoregressive conditional heteroskedasticity model )。并由博勒斯莱 文(Bollerslev, T., 1986)发展成为广义自回归条件异方 差GARCH (Generalized ARCH),后来又发展成为很多的特殊形式。
在AR(1)过程的背景下,我们花了一些时间来解释当接近于1时会发生什么。
- 如果 过程是平稳的,
- 如果 该过程是随机游走
- 如果 这个过程会大幅波动
同样,随机游走是非常有趣的过程,具有令人费解的特性。例如,
作为 ,并且该过程将无限次穿过 x轴……
我们仔细研究了 ARCH(1) 过程的性质,尤其是当 ,我们得到的结果可能令人费解。
考虑一些 ARCH(1) 过程 ,具有高斯噪声,即
其中
是一个 iid 序列 变量。这里 和 必须是正的。
回顾 由于 . 因此
,所以方差存在,并且只有当 , 在这种情况下
此外,如果 ,则可以得到第四矩,
. 现在,如果我们回到研究方差时获得的属性,如果 , 或者 ?
如果我们查看模拟,我们可以生成一个 ARCH(1) 过程 , 例如。
> ea=rnorm
> eson=rnorm
> sga2=rep
> for(t in 2:n){> plot
为了理解发生了什么,我们应该记住,我们好的是,必须在之间能够计算出的第二时刻。 但是,有可能有一个具有无限变异的平稳过程。
迭代
一次又一次地迭代……
其中
在这里,我们有一个正项的总和,我们可以使用所谓的 Cauchy rule: 定义
那么,如果 , 收敛。这里,
也可以写成
并且根据大数定律,因为我们这里有一个独立同分布项的总和,
因此,如果 , 然后 会有限制,当 取无穷大。
上面的条件可以写成
这就是所谓的 Lyapunov 系数。
方程
是一个条件 .
在这种情况下 ,这个上界的数值是3.56。
> 1/exp(mean(log(rnorm(1e7)^2)))
在这种情况下 (),方差可能是无限的,但序列是平稳的。另一方面,如果 , 然后 几乎肯定会走向无穷大,因为 走向无穷大。
但是为了观察这种差异,我们需要大量的观察。例如,
和 ,
我们很容易看出区别。我并不是说很容易看出上面的分布具有无限的方差,但仍然如此。
如果我们考虑对上述序列绘制希尔图,在正的尾部
> hil
或负的尾部
-epsilon
我们可以看到,尾部指数(严格来说)小于2(意味着2阶的时刻不存在)。
为什么它令人费解?也许是因为这里不是弱平稳(在意义上),而是强平稳。这不是通常的弱和强的关系方式。这可能就是为什么我们不称其为强平稳性,而称其为严格平稳性。
最受欢迎的见解
1.在python中使用lstm和pytorch进行时间序列预测
2.python中利用长短期记忆模型lstm进行时间序列预测分析
3.使用r语言进行时间序列(arima,指数平滑)分析
4.r语言多元copula-garch-模型时间序列预测
5.r语言copulas和金融时间序列案例
6.使用r语言随机波动模型sv处理时间序列中的随机波动
7.r语言时间序列tar阈值自回归模型
8.r语言k-shape时间序列聚类方法对股票价格时间序列聚类
9.python3用arima模型进行时间序列预测
拓端tecdat|R语言模拟ARCH过程模型分析时间序列平稳性、波动性相关推荐
- 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: ...
- R语言模拟疫情传播-gganimate包
本文用gganimate包展示模拟疫情数据 本文篇幅较长,分为以下几个部分: 前言 效果展示 小结 附录:代码 前言 前文<R语言模拟疫情传播-RVirusBroadcast>已经介绍了一 ...
- 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 ...
- 数据分享|R语言因子分析、相关性分析大学生兼职现状调查问卷数据可视化报告...
全文链接:http://tecdat.cn/?p=31765 随着大学的普及教育,大学生就业形势变得更加困难,很多学生都意识到这个问题(点击文末"阅读原文"获取完整代码数据). 相 ...
- R语言Kaplan-Meier绘制生存分析、Log-rank假设检验、Cox回归曲线实战案例:恶性黑色素瘤的术后数据生存分析
R语言Kaplan-Meier绘制生存分析.Log-rank假设检验.Cox回归曲线实战案例:恶性黑色素瘤的术后数据生存分析 目录
- R语言rms包生存分析之限制性立方样条(RCS, Restricted cubic spline)分析详解实战:拟合连续性自变量和事件风险之间的关系:基于survival包lung数据
R语言rms包生存分析之限制性立方样条(RCS, Restricted cubic spline)分析详解实战:拟合连续性自变量和事件风险之间的关系:基于survival包lung数据 目录
最新文章
- pythonpil库过滤图像contour_快乐python 零基础也能P图 —— PIL库
- 求助matlab分解质因数,Matlab
- 去除linux控制台光标
- python matlab大数据,Python第八课:Python数据分析基础
- vue2强制刷新,解决页面不会重新渲染的问题
- exchange2010安装
- 网际风全推数据接口_网际风接口软件
- java星号心形代码_用符号拼一个完整的大爱心 它起源于中国的甲骨文的心字
- git查看历史记录及修改内容
- 用Excel地图可视化——2017世界各国和地区GDP排名(初步统计版)
- CentOS 7 安装rar解压rar
- dsp版win10和普通版区别_图文详解win10各个版本之间有什么区别
- c 语言程序设计复习,C语言程序设计复习题
- 65 - 请解释什么是线程锁,以及如何使用线程锁
- 如何查看Oracle数据库的版本号
- 后端开发面试自我介绍_一定是最适合你的后端面试指南
- 计算机毕业设计ssm+vue基本微信小程序的快递柜管理系统 uniapp 小程序
- 脑波和眼动连通性分析 python-(1)
- java php 时间戳转日期_java时间戳转php时间戳
- shell脚本 定义一个变量 if else判断变量是否等于某个值