网站域名已经被绑定,漯河网上商城网站建设,wordpress /?p=29,godaddy安装wordpress全文链接#xff1a;http://tecdat.cn/?p31162 最近我们被客户要求撰写关于SV模型的研究报告#xff0c;包括一些图形和统计输出#xff08;点击文末“阅读原文”获取完整代码数据#xff09;。 相关视频 本文做SV模型#xff0c;选取马尔可夫蒙特卡罗法(MCMC)、正则化广… 全文链接http://tecdat.cn/?p31162 最近我们被客户要求撰写关于SV模型的研究报告包括一些图形和统计输出点击文末“阅读原文”获取完整代码数据。 相关视频 本文做SV模型选取马尔可夫蒙特卡罗法(MCMC)、正则化广义矩估计法和准最大似然估计法估计。 模拟SV模型的估计方法 sim - svsim(1000,mu-9, phi 0.97, sigma 0.15)print(sim)summary(sim) plot(sim) 绘制上证指数收益时间序列图、散点图、自相关图与偏自相关图 我们选取上证指数5分钟高频数据 dataread.csv(上证指数-5min.csv,headerTRUE)
#open开盘价 close收盘价 vol成交量 amount成交额
head(data,5) #观察数据的头5行
tail(data,5) #观察数据的最后5行
Close.ptd-data$close
Close.rtd-diff(log(Close.ptd)) #指标一logReturn
retsdiff(data$close)/data$close[-length(data$close)] #指标二Daily Returns我们选择Daily Returns
library(tseries)
adf.test(rets)## 绘制上证指数收益时间序列图、散点图、自相关图与偏自相关图
Close.ptd.ts-ts(Close.ptd,startc(2005,1,4),freq242)
plot(Close.ptd.ts, typel,main(a) 上证指数日收盘价序列图,acf(Close.rtd,main,xlabLag,ylabACF,las1)
title(main(b) 上证指数收益率自相关检验,cex.main0.95)pacf(Close.rtd,main,xlabLag,ylabPACF,las1)
title(main(c) 上证指数收益率偏自相关检验,cex.main0.95)
def.off## Q-Q图、经验累积分布ecdf图、密度图、直方图
qqnorm(Close.rtd,main(a) 上证指数收益率Q-Q图,cex.main0.95,xlab理论分位数,ylab样本分位数)
qqline(Close.rtd)
#经验累积分布ecdf图
plot(ECD,lwd 2,main(b) 上证指数收益率累积分布函数图,cex.main0.95,las1)
xx - unique(sort(c(seq(-3, 2, length24), knots(ECD))))
abline(v knots(ECD), lty2, colgray70)
x1 - c((-4):3) # 设定区间范围
lines(x1,pnorm(x1,mean(Close.rtdC[1:10]),sd(Close.rtd[1:10])))
#密度图
plot(D, main(c) 上证指数核密度曲线图 ,xlab收益, ylab密度,xlim c(-7,7), ylimc(0,0.5),cex.main0.95)
polygon(D, colgray, borderblack)
curve(dnorm,lty 2, add TRUE) lines(x2,dnorm(x2,mean0,sd1))
abline(v0,lty 3)
legend(topright, legendc(核密度,正态密度),ltyc(1,2),cex0.5)
#直方图
hist(Close.rtd[1:100],xaxtn,main(d) 上证指数收益率直方图,xlab收益/100,ylab密度, freqF,cex.main0.95,las1)
lines(x2,dnorm(x2,mean(Close.rtd[1:100]),sd(Close.rtd[1:100])))
axis(1,ataxTicks(1),labels as.integer(axTicks(1))/100 ) 点击标题查阅往期内容 【视频】随机波动率SV模型原理和Python对标普SP500股票指数预测|数据分享 左右滑动查看更多 01 02 03 04 SV模型 {N - length(logReturn)mu - (1/N)*sum(logReturn)sqrt((1/N) * sum((logReturn - mu)^2))
}return-1.5*log(h)-y^2/(2*h)-(log(h)-mu)^2/(2*sigma2)
} 马尔可夫链蒙特卡罗估计 该模型使用了Kastner和Fruhwirth-Schnatter所描述的算法。使用的R代码是 ###Markov Chain Monte Carlosummary(mcmc) 准最大似然估计 SV模型可以用QML方法在R中用许多不同的状态空间和Kalman滤波包来估计。 a0c(parm[1])P0matrix(parm[3]^2/(1-parm[2]^2))dtmatrix(parm[1]*(1-parm[2]))ctmatrix(-1.27)Ttmatrix(parm[2])Ztmatrix(1)HHtmatrix(parm[3]^2)GGtmatrix(pi^2/2)ans-fkf(a0sp$a0,P0sp$P0,dtsp$dt,ctsp$ct,Ttsp$Tt,Ztsp$Zt,HHtsp$HHt,GG 正则化广义矩阵 在R函数中定义矩条件然后估计参数0。 moments - c (m1 sqrt(2/pi)*exp(mu/2 sig2h/8),m2 exp(mu sig2h/2 ) ,m3 2*sqrt ( 2/pi ) * exp( 3*mu/2 9*sig2h/8 ) ,gmm(g sv.moments , x rets , t0c(mu-10, phi0.9,sigmaeta 0.2), 点击文末“阅读原文” 获取全文完整代码数据资料。 本文选自《R语言随机波动模型SV马尔可夫蒙特卡罗法MCMC、正则化广义矩估计和准最大似然估计上证指数收益时间序列》。 点击标题查阅往期内容 HAR-RV-J与递归神经网络RNN混合模型预测和交易大型股票指数的高频波动率 Matlab马尔可夫链蒙特卡罗法MCMC估计随机波动率SVStochastic Volatility 模型 R语言隐马尔可夫模型HMM连续序列重要性重抽样CSIR估计随机波动率模型SV分析股票收益率时间序列 马尔可夫Markov区制转移模型分析基金利率 马尔可夫区制转移模型Markov regime switching 时变马尔可夫区制转换MRS自回归模型分析经济时间序列 马尔可夫转换模型研究交通伤亡人数事故时间序列预测 如何实现马尔可夫链蒙特卡罗MCMC模型、Metropolis算法 Matlab用BUGS马尔可夫区制转换Markov switching随机波动率模型、序列蒙特卡罗SMC、M H采样分析时间序列 R语言BUGS序列蒙特卡罗SMC、马尔可夫转换随机波动率SV模型、粒子滤波、Metropolis Hasting采样时间序列分析 matlab用马尔可夫链蒙特卡罗 (MCMC) 的Logistic逻辑回归模型分析汽车实验数据 stata马尔可夫Markov区制转移模型分析基金利率 PYTHON用时变马尔可夫区制转换MRS自回归模型分析经济时间序列 R语言使用马尔可夫链对营销中的渠道归因建模 matlab实现MCMC的马尔可夫转换ARMA - GARCH模型估计 R语言隐马尔可夫模型HMM识别不断变化的股票市场条件 R语言中的隐马尔可夫HMM模型实例 用机器学习识别不断变化的股市状况—隐马尔科夫模型(HMM) Matlab马尔可夫链蒙特卡罗法MCMC估计随机波动率SVStochastic Volatility 模型 MATLAB中的马尔可夫区制转移(Markov regime switching)模型 Matlab马尔可夫区制转换动态回归模型估计GDP增长率 R语言马尔可夫区制转移模型Markov regime switching stata马尔可夫Markov区制转移模型分析基金利率 R语言如何做马尔可夫转换模型markov switching model R语言隐马尔可夫模型HMM识别股市变化分析报告 R语言中实现马尔可夫链蒙特卡罗MCMC模型
