在金融时间序列研究中,市场间的联动相关和风险溢出一直是热点方向。随着研究不断深入,方法也层出不穷,比如从收益率到波动率,从一阶矩到高阶矩,从静态不变到动态时变,从线性相关到非线性相关,从尾部对称到尾部非对称等等…
学习一直在路上,多年的时间,我对这些方法的了解也从小白到熟悉。经过思考和总结,梳理了以下几类方法,希望对从事这方面研究的童鞋有些启发。
1.收益率相关、均值溢出。
主要方法包括:ARIMA、协整检验(Cointegration)、格兰杰因果检验(Granger)、各类向量自回归(VAR)、向量误差修正(VECM)、脉冲响应、方差分解。
2.波动率相关、波动溢出。
主要方法包括:广义自回归条件异方差(GARCH族)、随机波动(SV)、极端风险测度(VaR、CVaR、ES)、动态相关(DCC-GARCH)、波动溢出(BEKK)、风险溢出(CoVaR、MES)、系统性风险(SRISK)、跳跃(HARRV)、分形。
3.非线性相关、尾部相关、上下行风险溢出。
主要方法包括:时变动态Copula(DCC、Patton)、藤Vinecopula、条件藤Vinecopula、时变混合Copula、上下行时变尾部风险溢出(CoVaR、MES、COES)、系统性风险(SRISK)。
4.间断点、最优权重、套保套利。
主要方法包括:时变相关和风险溢出的间断点(Z检验、贝叶斯诊断)、计算最优投资组合权重(马科维兹)、套利策略、套保绩效。
5.模拟、预测。
主要方法包括:蒙特卡洛模拟、ARIMA预测、GARCH族预测、条件藤Vinecopula模拟预测。
祝大家科研顺利,多发Paper。

方法总结分享|金融时间序列联动相关及风险溢出相关推荐

  1. 基于注意力机制的循环神经网络对 金融时间序列的应用 学习记录

    摘要: 概况论文内容,包含解决的问题,解决的方法,成果 金融时间序列由于高噪声性以及序列间的相关性,导致传统模型的预测精度和泛化能力往往较低.为了克服这一问题,提出一种基于注意力机制的循环神经网络预测 ...

  2. Python玩转金融时间序列之ARCH与GARCH模型

    01 引言 作为金融时间序列的专题推文,[手把手教你]时间序列之日期处理主要介绍了使用Python处理时间序列的日期和统计分析:[Python量化基础]时间序列的自相关性与平稳性主要介绍了时间序列的一 ...

  3. arch检验python_Python玩转金融时间序列之ARCH与GARCH模型

    01 引言 作为金融时间序列的专题推文,[手把手教你]时间序列之日期处理主要介绍了使用Python处理时间序列的日期和统计分析:[Python量化基础]时间序列的自相关性与平稳性主要介绍了时间序列的一 ...

  4. Python金融大数据分析:用pandas处理金融时间序列数据的基础知识

    时间是阻止所有事情同时发生的力量.--雷•卡明斯 本节使用的是以CSV文件形式在本地存储的金融数据集形式为本地存储的CSV文件.从技术上讲,CSV文件是包含数据行结构的文本文件,其特征是以逗号分隔单个 ...

  5. 使用最大离散重叠小波变换MODWT和支持向量回归 SVR的金融时间序列预测

    本例使用的数据链接如下:https://www.histdata.com/download-free-forex-historical-data/?/ascii/tick-data-quotes/AU ...

  6. 金融时间序列Note 1 —— 平稳性,相关系数,自相关函数(ACF)及其平稳性检验

    本文用于<金融时间序列>的相关介绍,适合快速入门和期末复习.(才怪我感觉自己考的超烂) OK,首先用自己的话讲一下什么是时间序列,首先我们会考得最多得时间序列肯定是线性的,既然说了有线性的 ...

  7. php 缩略图不失真,c#生成缩略图不失真的方法实例分享

    c#生成缩略图不失真的方法实例分享/// /// 获得缩微图 /// /// public bool GetThumbImg() { try { string imgpath; //原始路径 if(i ...

  8. 金融matlab创建3x3数组,Matlatb金融时间序列工具箱——建立金融时间序列

    1.学计量经济学源于对数学感兴趣,也源于对一些未知的东西进行预测,比如股市,而中国股市在2005年已经达到了弱式有效(本人通过谱分布检验股市收益率是否为鞅过程得到的结论),再运用模型进行预测好比预测彩 ...

  9. 金融计量模型(六):金融时间序列及其特征

    文章目录 金融时间序列及其特征 正态分布 t分布 样本矩 资产收益率的样式化统计属性 金融时间序列及其特征 rrr 为随机变量: μ=E[r]σ2=var(r)=E[(r−μ)2]偏度:skew(r) ...

最新文章

  1. hdu3829(最大独立集)
  2. C++ Linux下线程池的实现
  3. leetcode328 奇偶链表
  4. dispose方法的使用
  5. 决策树对鸢尾花数据两特征组合分类python代码的结果_机器学习笔记-决策树
  6. 关于不使用漫游配置文件解决方案保持登陆域后保持原来的配置文件不变
  7. linq 获取实体列表中的某个字段返回iliststring
  8. 未预期的符号 `( 附近有语法错误_沈北附近的换锁上门
  9. Codeforces_448C 分治
  10. Unity2 学习 制作和动态加载预制体
  11. 计算机组成原理——基础知识
  12. Google guava之Table简介说明
  13. python画一棵树的心理测试_画树测试:一棵树读你的人生
  14. luogu P3527 [POI2011]MET-Meteors
  15. scscanner:一款功能强大的大规模状态码扫描工具
  16. Oracle题目求帮助
  17. ZORRO佐罗软件安装教程及一键新机使用方法详细简介
  18. MySQL数据存储空间
  19. 计算机网络第一章作业(第8版 谢希仁)
  20. CocosCreator + JavaScript游戏开发

热门文章

  1. math: 车辆转弯半径/akerman结构转弯半径
  2. 多普达c838、c858侧滑键盘的利器--支持硬键盘的A4输入法
  3. Blender:Lowpoly人物模型
  4. 小米笔记本重装系统没有wifi功能和扬声器没有声音解决的过程(红米G游戏本)
  5. fiddler和wireshark
  6. 在moba游戏里面模拟实现绝地求生毒雾圈功能
  7. IconJar - Mac 上的一款多功能图标素材管理工具
  8. matlab仿真结果只显示5s时间,MATLAB仿真时间是怎么确定的啊?
  9. origin绘图分享
  10. Android开发之使用URL访问网络资源