最近我们被客户要求撰写关于GARCH的研究报告，包括一些图形和统计输出。

风险价值 (VaR)

风险价值 (VaR) 是金融风险管理中使用最广泛的市场风险度量，也被投资组合经理等从业者用来解释未来市场风险。VaR 可以定义为资产在给定时间段内以概率 θ 超过的市场价值损失。对于收益率 rt 的时间序列，VaRt将是这样的

视频：风险价值VaR原理与Python蒙特卡罗Monte Carlo模拟计算投资组合实例

风险价值VaR原理与Python蒙特卡罗Monte Carlo模拟计算投资组合实例

，时长10:03

其中 It-1表示时间 t-1 的信息集。

尽管 VaR 在提供资产组合下行风险的简单总结时具有吸引人的简单性，但没有单一的计算方法。

1% 风险价值

将价格转换为收益

library(ggplot2)
# 计算收益率的正态密度# 价格与收益的关系bp2 = Close
# 转换收益率bret = dailyReturn
# 改变列名
colnames(data_rd) = c("x", "y")
# 正态分位数
vr1 = quantileggplot(data, aes(x = x, y = y))

图：1% VaR

在分布术语中，对于分布 F，VaR 可以定义为它的第 p 个分位数，由下式给出

其中 F−1是分布函数的倒数，也称为分位数函数。因此，一旦可以定义收益序列的分布，VaR 就很容易计算。

使用 GARCH 进行波动率建模和预测

广义自回归条件异方差 (GARCH) 模型，用于预测条件波动率的最流行的时间序列模型。
这些模型是条件异方差的，因为它们考虑了时间序列中的条件方差。GARCH 模型是在金融风险建模和管理中用于预测 VaR 和条件 VaR 等金融风险度量的最广泛使用的模型之一。
GARCH 模型是 ARCH 模型的广义版本。具有旨在捕获波动率聚类的 p 滞后项的标准 ARCH(p) 过程可以编写如下

其中，第 t 天的收益为 Yt=σtZt和 Zt∼iid(0,1)，即收益的创新是由随机冲击驱动的

GARCH(p,q) 模型在 ARCH(p) 模型中包含滞后波动率，以纳入历史收益的影响

GARCH(1,1) 每个阶数只使用一个滞后，是实证研究和分析中最常用的版本。

GARCH(1,1) 预测 VaR

其中最通用和最有能力的一种是 rugarch 包。在这里，我们使用数据集来演示使用 rugarch 包中可用的函数和方法对 GARCH 进行建模。
具有恒定均值方程的 GARCH(1,1) 模型可以指定如下：

ugarchspec(variance.model = list(model = "sGARCH", garchOrder = c(1,1)), mean.model = list(armaOrder = c(0, 0)))

上面存储的规范 garch_spec 现在可用于将 GARCH(1,1) 模型拟合到我们的数据。以下代码使用该函数将 GARCH(1,1) 模型拟合到 BHP 对数收益并显示结果。

使用对象类可用的各种方法获得选定的拟合统计量

par1 = par() #保存图形参数#使用哪个参数生成图形 图12 1. ACF的
# 标准化残差
plot(figarch, which = 10)
# 2. 条件SD
plot(fiarch, which = 3)

图：GARCH(1,1) 的两个信息图

使用样本外的 VaR 预测

让我们使用 Student-t 分布，因为收益并不总是遵循正态分布

# 学生-T分布的spec2
spc2 = ugarchspec

rugarch 包对于估计移动窗口模型和预测 VaR 具有非常有用的功能。

garchroll(spec2, data = bpret

我们可以使用以下例程绘制 1% 和 5% VaR 预测与实际收益的对比。

# 注意绘图方法提供了四张图，其中VaR为选项-4
# 预测1%的学生-t GARCH风险值
plot(v.t, which = 4, VRaha = 0.01)
# 5%学生-t GARCH风险值
plot(var.t, which = 4, Vaalha = 0.05)

图：实际收益率与 1% VaR 预测

最后获得回测

# VaR预测的回测report(va., VaRha = 0.05)  #α的默认值是0.01

R语言用GARCH模型波动率建模和预测、回测风险价值 (VaR)分析股市收益率时间序列相关推荐

R语言用GARCH模型波动率建模和预测、回测风险价值 (VaR)分析股市收益率时间序列...
原文链接:http://tecdat.cn/?p=26897 风险价值 (VaR) 是金融风险管理中使用最广泛的市场风险度量,也被投资组合经理等从业者用来解释未来市场风险(点击文末"阅读原文 ...
使用r语言做garch模型_使用GARCH估计货币波动率
使用r语言做garch模型 Asset prices have a high degree of stochastic trends inherent in the time series. In o ...
R语言用Garch模型和回归模型对股票价格分析
原文链接:http://tecdat.cn/?p=18310 为了找出影响价格波动的主要因素,我们使用逐步回归法来剔除一些对于应变量即价格影响很小的自变量剔除出我们的模型(点击文末"阅读原文 ...
【视频】什么是梯度下降？用线性回归解释和R语言估计GARCH实例
全文链接:http://tecdat.cn/?p=23606 梯度下降是一种优化算法,能够为各种问题找到最佳解决方案(点击文末"阅读原文"获取完整代码数据). 梯度下降是什么? 梯 ...
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- ...
arma模型_R语言： GARCH模型股票交易量的研究道琼斯股票市场指数
原文链接: R语言: GARCH模型股票交易量的研究道琼斯股票市场指数tecdat.cn 我将建立道琼斯工业平均指数(DJIA)日交易量对数比的ARMA-GARCH模型. 获取数据 load(fil ...
R语言用灰色模型 GM (1,1)、神经网络预测房价数据和可视化
全文链接:http://tecdat.cn/?p=31938 以苏州商品房房价为研究对象,帮助客户建立了灰色预测模型 GM (1,1). BP神经网络房价预测模型,利用R语言分别实现了 GM (1,1 ...
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 ...
基于R语言、MaxEnt模型融合技术的物种分布模拟、参数优化方法、结果分析制图与论文写作
详情链接 :基于R语言.MaxEnt模型融合技术的物种分布模拟.参数优化方法.结果分析制图与论文写作内容介绍: 第一章 .理论篇以问题导入的方式,深入掌握原理基础 : 什么是MaxEnt模型? ...

R语言用GARCH模型波动率建模和预测、回测风险价值 (VaR)分析股市收益率时间序列

风险价值 (VaR)

相关视频：时间序列分析：ARIMA GARCH模型分析股票价格数据

视频：风险价值VaR原理与Python蒙特卡罗Monte Carlo模拟计算投资组合实例

使用 GARCH 进行波动率建模和预测

GARCH(1,1) 预测 VaR

使用样本外的 VaR 预测

R语言用GARCH模型波动率建模和预测、回测风险价值 (VaR)分析股市收益率时间序列相关推荐

最新文章

热门文章