拓端tecdat|R语言用Garch模型和回归模型对股票价格分析

已于 2023-08-04 15:26:06 修改
阅读量5.7k 收藏 29
点赞数 4
文章标签： R语言 Garch模型 回归 股票价格
于 2020-12-09 17:51:16 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_19600291/article/details/110931539
版权

最近我们被要求撰写关于Garch的研究报告，包括一些图形和统计输出。

 相关视频：时间序列分析：ARIMA GARCH模型分析股票价格数据

时间序列分析模型 ARIMA-ARCH GARCH模型分析股票价格数据

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，我们分别把WTI Price Field 等自变量的名称改为x1，x2……，最后的突发事件需要用到哑变量，哑变量只需要2个即可，我们将其作为X49，X50，X51,三个参数并将它们的值”正影响”、”无影响”、”负影响”分别改为-1,0,1。

经过R语言处理以后我们得到模型：

Y~x1 + x2 + x4 + x5 + x7 + x13 + x14 + x15 + x16 + x17 + x18 + x20 + x21 + x23 + x34 + x25 + x26 + x29 + x30 + x33 + x35 + x36 + x37 + x39 + x40 + x42 + x44 + x46 + x47 + x48 + x49 + x50

由此可得，影响较小的已经被剔除了。

Garch模型预测波动性

我们通过使用Garch模型来预测波动性，

先检验数据正态性，可以计算得出数据分布函数，QQ图，对数收益率序列折线图

> shapiro.test(rlogdiffdata) 

	Shapiro-Wilk normality test

data:  rlogdiffdata
W = 0.94315, p-value = 1.458e-05

由QQ图以及p值可见，数据大致上符合正态分布。

最后用VaR曲线来进行预警剧烈波动。

红色的点就是剧烈波动前的预警点。

强影响点分析 

我们可以通过使用cook统计量来寻找强影响点，因此我们用R语言的influence.measures()函数来进行影响分析。

右侧带有*号的表示强影响点。

我们通过学生化残差来构造F检验，最终得到t检验，以此来检测异常点。通过

stdres<-rstudent(lm.sol)

来得到学生化残差，然后通过公式

来计算Fj，并且最终转化为tj，

t=sqrt((144-51-1)*stdres^2/(144-51-stdres^2))

最后我们可以检查，如果则它为异常点。

R语言执行

res<-t>abs(qt(.025, df=92))

 可以直接得到大于对应t值的布尔值。

 值为True的则可能为异常点。

预测

我们使用了HoltWinters来进行预测我们的价格区间

真实值基本都在预测的范围内，但是想要净赚预测还是比较困难的。

最受欢迎的见解

1.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

2.R语言中基于混合数据抽样(MIDAS)回归的HAR-RV模型预测GDP增长

3.波动率的实现：ARCH模型与HAR-RV模型

4.R语言ARMA-EGARCH模型、集成预测算法对SPX实际波动率进行预测

5.GARCH（1,1），MA以及历史模拟法的VaR比较

6.R语言多元COPULA GARCH 模型时间序列预测

7.R语言基于ARMA-GARCH过程的VAR拟合和预测

8.matlab预测ARMA-GARCH 条件均值和方差模型

9.R语言对S＆P500股票指数进行ARIMA + GARCH交易策略

拓端研究室
关注
  • 4
    点赞
  • 踩
  • 29
    收藏
    觉得还不错? 一键收藏
  • 8
    评论
博客
【专题】2023-2024跨境旅游消费趋势研究报告合集PDF分享（附原数据表）
08-09 451
近日，“世界旅游联盟·中欧旅游对话”在匈牙利布达佩斯举办，发布《2023 - 2024 跨境旅游消费趋势研究报告》。报告显示，2023 - 2024 年全球旅游业复苏，跨境旅游人数和支出显著增加，市场出现新变化。中国出境游消费回暖，出境人数和卡均消费提高，目的地选择“由近及远”。入境游方面，免签政策、支付便利化等提升海外游客意愿，在华停留一周以上游客占比增加，游客年轻化，入境目的地深入内地和网红城市，消费品类丰富，不同城市消费类型有别，支付便利化举措推动入境旅游发展。，获取专题报告合集全文，解锁。
博客
SPSS、Python员工满意度问卷调查激励保健理论研究：决策树、随机森林和AdaBoost|附代码数据
08-08 665
[1]潘思宇,杨丽君.中小企业员工信任关系如何改善[J].人力资源.2020,(16).[2]梁青青.弹性福利优化与员工满意度提升研究[J].技术经济与管理研究.2019,(2).DOI:10.3969/j.issn.1004-292X.2019.02.020 .[3]马云骁,汪泽宇,余丽霞.宏观审慎政策背景下商业银行防范风险的对策研究[J].现代经济信息.2019,(22).[4]刘进,冼灿玲,刘承恺,等.产业升级背景下制造企业员工离职倾向的影响因素分析[J].当代经济.2019,(7).DOI:1
博客
【视频讲解】Python灰色关联度分析直播带货效用、神经退行性疾病数据
08-07 482
分析师：Jiayi Deng本文展示如何用灰色关联度分析的直播带货效用及作用机制研究，并结合一个分析神经退行性疾病数据实例的，为读者提供一套完整的实践数据分析流程。
博客
Python、R银行信用卡客户流失机器学习预测热门文章合集
08-06 816
目前，众多银行由于服务质量的降低、同业竞争的日益激烈等因素，面临着信用卡客户流失的棘手难题，这给银行经理施加了沉重的压力。而且，获取新的信用卡用户所需成本通常高于维持现有用户的成本。本文将通过展示银行信用卡客户流失机器学习预测的案例，并结合一系列Python、R银行信用卡客户流失机器学习预测热门文章合集实例的，为读者提供一套完整的实践数据分析流程。
博客
餐饮业的数字化突围：价格战下的转型与新生
08-06 666
餐饮业价格战升级了，越打越激烈。近日，各餐饮巨头也被迫纷纷下场。“太二酸菜鱼客单价跌至七年前”“9.9元就可以点上海底捞的一份锅底”“必胜客推出人均20元的乐享店”……消费降级的时代潮水，拍打着每一家餐饮公司。价格“内卷”的背后，是无奈和心酸。就在前两日，“太二酸菜鱼客单价跌至7年前”冲上微博热搜榜第二位。从80元跌至69元，九毛九集团表示，这是公司上市以来第一次品牌客单价降至60元价格段。，获取专题报告合集全文，解锁100份 餐饮相关行业研究报告。
博客
【视频讲解】Xgboost、ARIMA 和 Prophet对国际牛肉市场市场份额数据、比特币价格时间序列预测
08-05 685
国际贸易市场的波动受多种因素影响。本项目旨在通过历史数据识别最具影响力的因素，并利用这些因素预测国际市场的未来走势，特别关注澳洲牛肉在美国市场的份额。面对数据收集和模型选择的挑战，本研究将采用数学建模和分析方法。ARIMA是一个广泛应用于时间序列预测的模型，它能够在不使用外部回归特征的情况下，仅利用历史数据进行预测。自回归（Autoregressive）：使用变量本身的历史数据对未来进行预测。差分（Integrated）：将目标变量在某个时间点的数值用当前数值与上一个时间点数值的差所取代。
博客
【视频讲解】CatBoost、LightGBM和随机森林的海域气田开发特征分类研究
08-02 1001
对职员离职预测进行了深入的研究，采用了多种机器学习算法进行分类预测，包括逻辑回归、梯度提升、随机森林、XGBoost、CatBoost和LightGBM，并进行了交叉验证和可视化。通过数据预处理和特征工程，该论文构建了多个预测模型，包括逻辑回归、梯度提升、随机森林、XGBoost、CatBoost和LightGBM。这些模型在数据集上进行了训练和评估，并采用了交叉验证技术来评估模型的性能和稳定性。其中，逻辑回归模型采用了L2正则化来防止过拟合，并使用了网格搜索技术来优化超参数。
博客
AI时代的职场焦虑与机遇
08-02 1166
在人工智能的浪潮中，职场焦虑愈发显著。本杰明·米勒的故事便是这一现象的缩影。2023年初，他领导着一个超过60人的团队，为一家科技公司创作推广文章和博客。然而，随着公司决定采用人工智能削减成本，米勒的团队很快面临了巨大的变革。一个月内，公司部署了自动化系统，使得团队的工作方式发生了根本性的转变。几个月后，随着ChatGPT全面接管文章撰写任务，团队成员纷纷被裁，只剩下米勒一人负责编辑AI生成的初稿，使其更具人性化。，获取专题报告合集全文，解锁605份AI、人工智能相关行业研究报告。
博客
直播狂欢下的隐忧|专题报告集
08-01 1097
从草根逆袭的烤摊主郭有才，仅用9天便突破千万粉丝，日入惊人的380万，到菏泽因直播热潮连夜紧急修路，这一切看似光鲜的背后，实则暗流涌动。模仿“反诈老陈”、“保安阿斌”的狂欢，山寨周杰伦甚至跨越国界举办演唱会，直播的泡沫不断膨胀，引人深思。，获取专题报告合集全文，解锁204份直播相关行业研究报告。在当今的互联网时代，互联网平台之间的竞争在整个“双十一”的发展过程中不断加剧。曾经传统电商平台一家独大的局面已不复存在，如今后起之秀如抖音、快手与“大哥大”淘宝、京东之间展开了激烈的“激战”。
博客
【视频讲解】Python用LSTM、Wavenet神经网络、LightGBM预测股价
07-31 888
具体流程为：每次训练时，滚动取前 4 个月数据，如 2018 年 1 月 31 日选股，选取 2017 年 10 月至 2018 年 1 月数据，用 2017 年 10 月至 12 月训练模型，代入 2018 年 1 月 300 支股票数据预测，选出概率大于 0.8 的股票进行模拟炒股投资。虽非本文重点，但可提升模型表现，是建模不可或缺的环节。接下来，我们使用Matplotlib库绘制了股票收盘价随时间变化的图表，以60%的透明度和自动调整的尺寸，为读者提供了一个直观的视角来理解数据的波动性。
博客
股票预测模型中注意力多层Attention RNN LSTM 的应用
07-29 752
原文链接：https://tecdat.cn/?p=37152原文出处：拓端数据部落公众号 Attention 机制是一种在神经网络处理序列数据时极为关键的技术，它赋予了模型“聚焦”能力，能够自动评估输入序列中各部分的重要性。通过为序列中的每个元素分配不同的权重，Attention 确保网络在处理过程中能够优先关注那些对任务更为关键的部分，从而显著提升模型的预测精度和效果。当Attention机制与LSTM（长短时记忆网络）相结合时，这一组合展现出了更为强大的序列处理能力。LSTM本身设计用于捕捉序列中的长
博客
【视频讲解】ResNet深度学习神经网络原理及其在图像分类中的应用|附Python代码
07-26 790
数据集归一化：计算均值与标准差在深度学习的数据预处理阶段，归一化是一个至关重要的步骤，它有助于提升模型的收敛速度和性能。归一化通常涉及计算数据集的均值（mean）和标准差（standard deviation, std），并将原始数据转换到具有零均值和单位标准差的范围内。以下代码段展示了如何对MNIST数据集进行归一化处理，并打印出归一化所需的均值和标准差。# 加载数据集trn_data = trn_data['arr_0'] / 255 # 将像素值归一化到[0, 1]区间# 计算均值和标准差。
博客
过采样SMOTE逻辑回归、SVM、随机森林、AdaBoost和XGBoost对不平衡数据分析预测
07-25 1089
由于数据集中因变量output为0和1的数据量有较大差异，为1：3，为了保证样本的平衡性，引入smote采样法（Smote采样简而言之是通过对原样本进行线性变换得到新的模拟样本，与bootstrap不同）经过采样，得到了数据量更大且具有较好平衡性的样本。例如,没有smote采样的模型由于训练的样本不平衡, 在测试集上的准确率较高但是在训练集上的AUC较少, 容易发生误判, 对于未知Output的分布未知的数据, 则Smote的采样显得必要了。由于我们的数据高度不平衡，因此任何模型都很难获得更好的召回率。
博客
【专题】2024年云计算白皮书报告合集PDF分享（附原数据表）
07-25 1179
然而，在生物科学、科学计算等领域，由于这些领域的计算范式和特性，许多机构和企业仍倾向于使用本地部署的智能算力，其云化部署比例相对较低，大致在10%至20%之间。Gartner：路线图：制定高效的云战略-制定战略，充分发挥云计算优势... 报告2023-03-10。华为云：融通创新公共服务平台发展研究报告-中小企业数字化转型的能力中心... 报告2024-04-02。头豹：2023年中国医院云服务行业概览- 互联网5G创新协同发展-助力... 报告2024-03-05。
博客
困于数字化泥潭的软件公司|专题报告集
07-24 604
在探讨企业数字化转型的进程中，软件公司无疑扮演着举足轻重的角色。它们不仅是技术创新的驱动力，更是连接管理与技术的桥梁。然而，正如许多观察家所指出的那样，软件公司既是数字化转型成功的关键，也可能成为失败的替罪羊。这一现象背后，折射出软件公司在面对复杂市场环境和多变客户需求时所面临的巨大挑战。阅读原文，获取专题报告合集全文，解锁272份数字化相关行业研究报告。
博客
Python贝叶斯、transformer自注意力机制self-attention个性化推荐模型预测课程平台学生数据
07-23 764
贝叶斯个性化排序推荐的这个办法的不足之处在于它不能很好的捕捉到输入中的时间序列信息，我们做过测试，如果不选最后一门作为测试集而是在所有选过的课程中随机选择一门，贝叶斯个性化排序推荐的推荐表现会更好。Hit rate是指训练集是否在推荐的10门课程里，NDCG则是更关注推荐的课程在10门课程当中的具体位置，越是靠前，NDCG越大。这个模型是我们的baseline，采用非个性化的方式，也就是说，所有学生会收到一样的课程推荐，在这里，推荐的课程是基于课程的受欢迎程度，我们挑选出最受欢迎的10门课推荐给所有学生。
博客
Python遗传算法GA优化SVR支持向量回归、ANFIS自适应神经模糊推理系统预测证券指数ISE数据
07-22 826
本文利用机器学习技术，通过构建多种预测模型，对ISE的历史数据进行了详细分析，以期提高预测的准确性和实用性。[5]张建宽,盛炎平.支持向量机对股票价格涨跌的预测[J].北京信息科技大学学报（自然科学版）.2017,(3).DOI:10.16508/j.cnki.11-5866/n.2017.03.008 .[2]郝知远.基于改进的支持向量机的股票预测方法[J].江苏科技大学学报（自然科学版）.2017,(3).DOI:10.3969/j.issn.1673-4807.2017.03.015 .
博客
【专题】百度萝卜快跑体验：Robotaxi发展现状与展望报告合集PDF分享（附原数据表）
07-22 1559
尽管通过不断解决corner case和远程安全员的监控兜底，萝卜快跑达到了安全运行的标准，但在复杂环境下的行驶表现不够灵活拟人，与理想中的完全替代人类司机的Robotaxi仍有较大差距。汽车之家：2022-2024中国汽车终端量价分析白皮书：价格战下的新格... 报告2024-07-10。易车研究院：2024购车关注度洞察报告-智能不是中国购车用户的主要关注... 报告2024-06-11。头豹：2024年中国汽车微电机行业概览-打造更环保-更节能的汽车（摘要... 报告2024-05-24。
博客
【视频讲解】PCA主成分分析原理及R语言经济研究可视化2实例合集|附代码数据
07-19 913
结果表明：根据综合得分，可以看出各区县社会经济发展水平排前三的是渝中区、渝北区、九龙坡区，得分最低的三个是巫山县、巫溪县、城口县，结合总体的分析可以看出渝中区、九龙坡区在经济总体规模和建筑业方面较好，而重庆周边的地区经济实力较差，投资环境不好，特别是在建筑方面的缺乏，以至于经济发展相对而言薄弱的地区，不论从哪方面来说重庆各区县中渝中区的经济实力是最好的。因此我们可以把第一公共因子确立为综合经济实力因子，宏观上反映了地区经济发展规模的总体情况，在这个因子上的得分越高，说明城市经济发展的总体情况越好。
博客
【视频讲解】神经网络、Lasso回归、线性回归、随机森林、ARIMA股票价格时间序列预测|附代码数据
07-18 892
因为股票市场容易受到经济、政策、心理等多种相关因素的影响，是一个极其复杂的非线性系统，再加上每天大量投资者进行交易产生了非常庞大的交易数据需要处理、增添了股价预测的难度，所以传统的统计方法由于其在适应性、学习能力以及容错能力等方面的局限性，应用在股价预测问题上的结果往往差强人意。在反向传递的过程中，根据。在套索回归代码中，我们创建了一个模型，该模型不仅可以预测股票价格，还可以通过减少变量的数量来简化模型，如果某些变量对预测没有多大帮助（这是通过“alpha”值完成的，它控制着这种简化的强度）。
评论 8
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值