拓端tecdat|R语言GJR-GARCH和GARCH波动率预测普尔指数时间序列和Mincer Zarnowitz回归、DM检验、JB检验
原文链接:http://tecdat.cn/?p=25569
原文出处:拓端数据部落公众号
在投资组合管理、风险管理和衍生品定价中,波动性起着重要作用。事实上如此重要,以至于您可以找到比您可以处理的更多的波动率模型。接下来是检查每个模型在样本内外的表现如何。以下是您可以做的三件事:
1. 基于回归的检验——Mincer Zarnowitz 回归
这个想法很简单,回归预测的实际(实现)值:
现在我们共同检验假设:
截距为零意味着你的预测是无偏的。矛盾的是,如果截距是0.02,这意味着为了使两边相等,我们在预测中平均增加0.02,所以它一直在低估观察值。斜率应该是1,也就是说,你的预测完全 "解释 "了观察值。
2. 配对比较——Diebold Mariano 检验。
假设您有两个模型,它们产生两组预测。因此,您有两组误差。调用这些误差
在两种方法相同的情况下,这两个向量的差 平均为零(或这些向量的函数,例如 e1^2 – e2^2)。在仅使用相同方法复制预测的极端情况下,差正好为零。更重要的是,我们知道这种差是如何分布的(渐近地..),因此我们可以测试它是否确实偏离零。
难以理解这一点。如果不知道 2 的结果的可能性有多大,就不可能测量 0 和 2 之间的距离。在 {-3,3} 之间均匀分布的 2 的结果并不像具有标准正态分布的 2 的结果那样不可能。
产生明显更小的误差(通常是平方误差或绝对误差)的方法是首选。您可以轻松地将其扩展到多个比较。
3. Jarque-Bera 检验
在这种情况下,我们有一个准确的波动率预测。我们可以将序列中心化并使用我们对标准差的预测对其进行标准化。准确地说:
应该有均值零和标准差一。新的标准化序列通常不会呈正态分布,但您可以使用此检验来衡量模型获取原始序列的偏度和峰度的程度。
实证研究中,前两个方案对一般的预测评估是有效的,然而,波动率是不可观察的,所以我们用什么作为观察值并不清楚。我们所做的是用一个替代物来代替 "观察到的",通常是收益率的平方。在这里你可以找到更准确的替代方法,但是,它们是基于日内信息的,所以你需要获得日内数据源。
我们看看在 R 中是如何工作的。
我从谷歌提取数据,采集5年的标准普尔指数收益序列,并估计标准 garch(1,1) 和另一个更准确的 GJR-garch(不对称 garch)。
dat0= as.matrix(getSymboln = NROWplotgjrc <- ugarchspec
gjrmodel = fitgjrfit = sigmaNit = as.dsigmaresq = ret^2Nsq = Nfit^2Tsq = Tfit^2plot
具有两种 Garch 模型的 SPY 波动率
########################## mincer-zarnowitz回归
#########################Nmz = lm
Tmz = lmlinsis
lineesis
##########################DM检验#########################dmst
对于平方损失函数,两组预测之间没有区别
########################## Jarque Bera 检验#########################stanN = scalestajr = scalescret = scale# 没有波动率模型,只有无条件波动率jbtest$stat
rjbtestat
rjteststat
最受欢迎的见解
1.R语言基于ARMA-GARCH-VaR模型拟合和预测实证研究
2.R语言时变参数VAR随机模型
3.R语言估计时变VAR模型时间序列的实证研究
4.R语言基于ARMA-GARCH过程的VAR拟合和预测
5.GARCH(1,1),MA以及历史模拟法的VaR比较
6.R语言用向量自回归(VAR)进行经济数据脉冲响应
7.R语言实现向量自动回归VAR模型
8.R语言随机搜索变量选择SSVS估计贝叶斯向量自回归(BVAR)模型
9.R语言VAR模型的不同类型的脉冲响应分析
拓端tecdat|R语言GJR-GARCH和GARCH波动率预测普尔指数时间序列和Mincer Zarnowitz回归、DM检验、JB检验相关推荐
- 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: ...
- 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 ...
- 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, ...
- R语言时间序列分析之ARIMA模型预测
R语言时间序列分析之ARIMA模型预测 今天学习ARIMA预测时间序列. 指数平滑法对于预测来说是非常有帮助的,而且它对时间序列上面连续的值之间相关性没有要求.但是,如果你想使用指数平滑法计算出预测区 ...
- 深度学习R语言 mlr3 建模,训练,预测,评估(随机森林,Logistic Regression)
深度学习R语言 mlr3 建模,训练,预测,评估(随机森林,Logistic Regression) 本文主要通过使用mlr3包来训练German credit数据集,实现不同的深度学习模型. 1. ...
- 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
- 高级工程考试通过总结
- 捕获SocketConnection组件连接异常的几个好贴
- h3c防火墙u200配置命令_网络设备配置——H3C命令行基本操作【分级】
- 多个cpp文件生成so_boostpython:从多个.cpp文件创建一个模块(.so)
- 大数据摄取:Flume,Kafka和NiFi
- TCP/IP 免费ARP
- 两用物项许可证办理流程_办理医疗器械经营许可证流程
- PHP小程序码扫码登录网站,WeAuth微信小程序实现PC网站扫码授权登录
- 我知道真相,但我仍然勇往直前
- 关于STM32定时器使用的一个注意事项(以此为前车之鉴,重要!)
- Autodesk正在招聘Civil、Infraworks金牌支持工程师(Premium Support Specialist)
- 怎么才能免费下载CSDN资源
- 微信公众号开发_调用新闻查询接口_回复图文消息
- Mac下修改文档编码方式
- LA4487 Exclusive-OR (加权并查集)
- 【C++】将小写阿拉伯数字转换为大写汉字数字(将数字用中文的方法读出来)
- 正方形螺旋线python代码_python绘制正方形螺旋线
- 一起talk C栗子吧(第一百九十六回:C语言实例--DIY less命令五 )
- Android 系统广播(大全)
- 解决WinBUGS14 error:cannot bracket slice for node gamma[3]