原文链接:http://tecdat.cn/?p=7194

原文出处:拓端数据部落公众号

这个简短的演示说明了使用r软件包的DCC模型及其方法的使用,尤其是在存在MVT分布形状参数的情况下进行2级DCC估计的另一种方法。

第一阶段并将其传递给dccfit

 cl = makePSOCKcluster(10)multf = multifit(uspec, Dat, cluster = cl)

接下来,估计DCC模型。

fit1 = dccfit(spec1, data = Dat, fit.control = list(eval.se = TRUE), fit = multf, cluster = cl)

为了在实践中拟合DCC(MVT)模型,要么假定第一阶段的QML,要么必须在阶段中共同估算共同的形状参数。在下面的示例中,一种替代方法用于估计近似共同形状参数。

似然度和形状参数变化的图表明,只需几次迭代即可收敛到稳定值。

shape参数的值表示峰度为1.06。对非对称DCC(MVT)模型重复进行拟合。

xspec = ugarchspec(mean.model = list(armaOrder = c(1,1)), variance.model = list(garchOrder = c(1,1), model = "eGARCH"),  distribution.model = "norm")

下表显示了估算模型的摘要,系数旁边的星号表示显着性水平(*** 1%,** 5%,* 10%)。

##           DCC-MVN   aDCC-MVN    DCC-MVL   aDCC-MVL      DCC-MVT     aDCC-MVT
## a      0.00784*** 0.00639*** 0.00618***  0.0055***   0.00665***    0.00623***
## b      0.97119*** 0.96956*** 0.97624*** 0.97468***   0.97841***    0.97784***
## g                    0.00439               0.00237                 0.00134
## shape                                                9.63947***    9.72587***
## LogLik      22812      22814      22858      22859        23188         23188

下图表说明了来自不同模型的一些动态相关性:

终止集群对象:

stopCluster(cl)

参考文献

1.用机器学习识别不断变化的股市状况—隐马尔科夫模型(HMM)的应用

2.R语言GARCH-DCC模型和DCC(MVT)建模估计

3.R语言实现 Copula 算法建模依赖性案例分析报告

4.R语言COPULAS和金融时间序列数据VaR分析

5.R语言多元COPULA GARCH 模型时间序列预测

6.用R语言实现神经网络预测股票实例

7.r语言预测波动率的实现:ARCH模型与HAR-RV模型

8.R语言如何做马尔科夫转换模型markov switching model

9.matlab使用Copula仿真优化市场风险

拓端tecdat|R语言GARCH-DCC模型和DCC(MVT)建模估计相关推荐

  1. 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 ...

  2. 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, ...

  3. 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 ...

  4. 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: ...

  5. R语言GARCH族模型:正态分布、t、GED分布EGARCH、TGARCH的VaR分析股票指数

    全文链接:http://tecdat.cn/?p=31023 如何构建合适的模型以恰当的方法对风险进行测量是当前金融研究领域的一个热门话题(点击文末"阅读原文"获取完整代码数据). ...

  6. R语言GARCH建模常用软件包比较、拟合标准普尔SP 500指数波动率时间序列和预测可视化...

    原文链接:http://tecdat.cn/?p=24441 我们研究波动聚集,以及使用单变量 GARCH(1,1) 模型对其进行建模. 波动聚集 波动聚集--存在相对平稳时期和高波动时期的现象--是 ...

  7. 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 ...

  8. 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 ...

  9. 基于R语言对股市价格预测的ARIMA建模

    基于R语言对股市价格预测的ARIMA建模 获取数据 tushare ID=399224 利用ARIMA对股市价格进行拟合后预测,本次实验的数据源于tushare 首先导入本次实验所需要的所有包 req ...

  10. 拓端tecdat|bilibili视频流量数据潜望镜

    最近我们被客户要求撰写关于bilibili视频流量的研究报告,包括一些图形和统计输出. 最新研究表明,中国有超过7亿人在观看在线视频内容.Bilibili,被称为哔哩哔哩或简称为B站,是中国大陆第二个 ...

最新文章

  1. python 判断字典是否包含某个key,以及对应的value 值
  2. 深度学习笔记4:Self-Taught Learning and Unsupervised Feature Learning
  3. 计算机组成原理(哈工大刘宏伟)
  4. 【Mca架构】java互联网高级架构师
  5. listview bcb 行的颜色_文明交通安全行手抄报简单又漂亮
  6. OSI七层协议与TCP连接
  7. 8.Azure文件(文件共享)-NAS(中)
  8. 三星Galaxy Z Flip 3渲染图:更窄边框 铰链升级
  9. mysql分组查询统计求和
  10. python成员变量_Python——成员变量
  11. verlay虚拟化技术_Overlay解决虚拟化难题 - 节点动态 - 海南师范大学信息网络与数据中心| Network Center HaiNan Normal University...
  12. hp1020plus网络打印机服务器
  13. 【数据挖掘】数据挖掘概述
  14. RISC-V架构P扩展指令集的研究与实现(一)
  15. Java编程的三个就业方向有哪些
  16. C#毕业设计——基于C#+vc.net+Access的报名管理信息系统设计与实现(毕业论文+程序源码)——报名管理信息系统
  17. NAT之SNAT和DNAT
  18. 知识图谱:Konwledge Graph简介
  19. 分区依据字段要不要再建索引
  20. Windows 10 版本 21H1不推送的手动更新方法

热门文章

  1. 程序驱动防止消息钩子入侵
  2. 对研发经理这一岗位的个人理解
  3. ***_ha_高可用_链路备份
  4. 深圳dotnet俱乐部2006年1月7日WebPart交流活动
  5. python builtins模块
  6. Python 多进程multiprocessing
  7. 算法----(3)选择排序
  8. JS日期与字符串相互转换!!
  9. vue你不知道的奇淫绝技
  10. echarts 模拟迁徙