IBM股票 1967年1月到2009年12月的月对数收益率,共516个观测值。

1.R语言程序

>source("D:/Egarch.R")  #编译R语言程序

> da1=read.table("D:/ch2data/m-ibmsp6709.txt",header=T)  #打开文件
> dim(da1)        #数据框da1的维数,用da1是避免和da混淆
[1] 516   3              #516个观察值,共有3列数据,可用head(da1)look at data

> ibm=log(da1$ibm+1)     #对ibm列数据取对数
> Box.test(ibm,lag=12,type='Ljung')   #Ljung Box检测

Box-Ljung test

data:  ibm

X-squared = 7.4042, df = 12, p-value = 0.8298

#可知Q(12)=7.4042,p值0.8298不显著

> m1=Egarch(ibm)    #建立Egarch()模型
 
Estimation results of EGARCH(1,1) model:
estimates:  0.006732389 -0.5983263 0.217603 -0.4243245 0.92015
std.errors:  0.002877666 0.2349172 0.05916528 0.1683064 0.0388656
t-ratio:  2.339531 -2.546967 3.677882 -2.521144 23.67518

> names(m1)
[1] "residuals"  "volatility"

> stresi=m1$residuals/m1$volatility  #标准差
> tdx=c(1:516)/12+1967     #时间坐标1967年开始

>par(mfcol=c(2,1))

>plot(tdx,ibm,xlag='year',ylab='logrtn',type='l')

>plot(tdx,stresi,xlab='year',ylab='stresi',type='l')

IBM股票月收益率的两个plot图

> Box.test(stresi,lag=10,type="Ljung")

Box-Ljung test

data:  stresi

X-squared = 5.2866, df = 10, p-value = 0.8712

#Q(10)=5.2866,p值0.8712

>Box.test(stresi,lag=20,type="Ljung")
       Box-Ljung test

data:  stresi

X-squared = 20.983, df = 20, p-value = 0.3981

> Box.test(stresi^2,lag=10,type="Ljung")

Box-Ljung test

data:  stresi^2

X-squared = 5.0469, df = 10, p-value = 0.888

> Box.test(stresi^2,lag=20,type="Ljung")

Box-Ljung test

data:  stresi^2

X-squared = 14.261, df = 20, p-value = 0.817

转载网址:http://rsoftware.h.baike.com/article-1940611.html

R语言IBM股票月对数收益率的Egarch模型相关推荐

  1. R 语言实现股票数据的预处理及分析

    基于 R 语言的股票数据分析 一.实验介绍 1.1 实验内容 本实验是以股票数据作为分析背景,股票数据如何从雅虎财经板块上获取,观察股票每日价格和成交量数据开始,接着计算某一支股票数据中比较重要的日度 ...

  2. 量化交易陷阱和R语言改进股票配对交易策略分析中国股市投资组合

    最近我们被客户要求撰写关于量化交易的研究报告,包括一些图形和统计输出. 计算能力的指数级增长,以及量化社区(日益增长的兴趣使量化基金成为投资者蜂拥而至的最热门领域. 量化交易陷阱和R语言改进股票配对交 ...

  3. 用R语言玩玩股票(二)

    声明:本人不炒股,贴子纯为娱乐! 为何要学编程? 1. 训练逻辑思维(预防痴呆) 2. 减少重复劳动(过程不轻松) 3. 提高分析效率(需反复摸索) 在上一篇的博文1里,用R语言简单示范了茅台股票的一 ...

  4. @使用R语言进行股票分析

    @使用R语言进行股票分析 为什么用计算机分析股票数据 希望从历史数据中获取一些股票信息 如何分析呢 主要借助于统计描述信息:均值.中位数.众数以及各阶矩的结果 分析完有什么用 可以根据分析结果解释一些 ...

  5. R语言用标准最小二乘OLS,广义相加模型GAM ,样条函数进行逻辑回归LOGISTIC分类...

    原文链接:http://tecdat.cn/?p=21379 本文我们对逻辑回归和样条曲线进行介绍. logistic回归基于以下假设:给定协变量x,Y具有伯努利分布, 目的是估计参数β. 回想一下, ...

  6. r语言 siar 代码_平滑转换自回归(STAR)模型的R语言编程实现详解

    总体讲,ST(Smooth transition)模型,这块的code混乱的比较狗血,文献中的做法也是千奇百怪, 单变量的有 :STAR, LSTAR, ESTAR, 多变量的有:STVAR, LST ...

  7. 使用R语言构建时间序列AR(p)和MA(q)模型 - 金融计量经济学小组作业编程记录

    使用R语言对时间序列构建AR§和MA(q)模型 - 以CPI数据为例 在King's College London学习FA,一门课的project,这里只附上代码和结果,报告就没有了.使用的数据是美国 ...

  8. R语言White’s检验实战:检验回归模型中是否存在异方差性(heteroscedasticity)、发生了异常差(heteroscedasticity)问题如何解决

    R语言White's检验实战:检验回归模型中是否存在异方差性(heteroscedasticity).发生了异常差(heteroscedasticity)问题如何解决 目录

  9. R语言构建生存分析(survival analysis)模型示例

    R语言构建生存分析(survival analysis)模型示例 生存分析处理的是预测特定事件将要发生的时间.它也被称为失败时间分析或死亡时间分析.例如,预测癌症患者存活的天数,或者预测机械系统将要失 ...

  10. R语言使用glm函数构建拟泊松回归模型(quasi-Poisson regression)、family参数设置为quasipoisson、summary函数获取拟泊松回归模型汇总统计信息

    R语言使用glm函数构建拟泊松回归模型(quasi-Poisson regression).family参数设置为quasipoisson.summary函数获取拟泊松回归模型汇总统计信息 目录

最新文章

  1. 【译】JavaScript中的Callbacks
  2. iOS10 UI教程管理层次结构
  3. Codeforces#371 Div2
  4. MySQL乱码问题解决步骤详解
  5. UA MATH567 高维统计II 随机向量6 亚高斯随机向量的应用: 半正定规划
  6. 【C++】运算符重载
  7. 【XAudio2】1.XAudio2 介绍
  8. 一文搞懂 Java 线程中断
  9. To 研究生,第一:做学位论文期间,不要有任何度假休息的打算;第二,导师错的时候不多;第三……...
  10. 云南省计算机专业技术,云南省2018年下半年全国计算机技术与软件专业技术资格(水平)考试顺利举行...
  11. JVM学习-操作数栈(Operand Stack-官方翻译)
  12. 高职对计算机课程要求,高职计算机课程对学生编程能力培养.doc
  13. 计算机分子模拟聚乙烯,分子动力学模拟超高分子量聚乙烯
  14. HTML分页打印。Web打印控件,完美解决页面排版、结构复杂,内容、图片、表格跨页断裂,自定义页面设置、页眉、页脚、页码,保持原文CSS等难题
  15. 深度学习入门(九)——深度学习框架概览
  16. 2021年下半年信息系统监理师下午真题及答案解析
  17. 计算机培训坊主总结,信息技术教学培训心得体会
  18. 离线使用yum·无法使用yum的情况下安装软件·最简单的方法
  19. 《我的初恋、我的老婆》超爆笑!!
  20. 遥感影像目标检测:从CNN(Faster-RCNN)到Transformer(DETR)

热门文章

  1. 最多能匹配出多长的相同连续子序列_论文导读 | GPU加速子图同构算法
  2. java 怎么去JTF边框,关于java:我怎样才能摆脱“静态”?
  3. 用idea使用struts和hibernate来实现CRUB的操作
  4. Android原生获取经纬度位置信息
  5. av_rescale_q和av_rescale_q_rnd和av_rescale_rnd
  6. 专访Facebook HipHop作者、阿里研究员赵海平:生物与计算机交织的独特人生
  7. 谷歌浏览器网页截屏插件工具下载与安装——FireShot
  8. 2008服务器系统开机用户名和密码忘记了,服务器2008密码忘记了
  9. 数字图像处理Python语言实现-图像增强-对数增强
  10. 动画设计与制作——3D Max场景建模《我的家》V-Ray 4.1