拓端tecdat|R语言中的copula GARCH模型拟合时间序列并模拟分析

拓端tecdat 同时被 3 个专栏收录
104 篇文章 3 订阅
101 篇文章 3 订阅
87 篇文章 0 订阅

原文链接:http://tecdat.cn/?p=23115 

原文出处:拓端数据部落公众号

 在这个文章中,我们演示了copula GARCH方法(一般情况下)。

1 模拟数据

首先,我们模拟一下创新分布。我们选择了一个小的样本量。理想情况下,样本量应该更大,更容易发现GARCH效应。 

## 模拟创新
d <- 2 # 维度
tau <- 0.5 # Kendall's tau
Copula("t", param = th, dim = d, df = nu) # 定义copula对象
rCopula(n, cop) # 对copula进行采样
sqrt((nu.-2)/nu.) * qt(U, df = nu) # 对于ugarchpath()来说,边缘必须具有均值0和方差1!

现在我们用这些copula依赖的创新分布来模拟两个ARMA(1,1)-GARCH(1,1)过程。

## 边缘模型的参数
fixed.p <- list(mu  = 1,
spec(varModel, meanModel,
                    fixed.pars ) # 条件创新密度(或使用,例如,"std")

## 使用创新模拟ARMA-GARCH模型
## 注意: ugarchpath(): 从spec中模拟;
garchpath(uspec,
                n.sim = n, # 模拟的路径长度
               

## 提取结果系列
X. <- fitted(X) # X_t = mu_t + eps_t (simulated process)


## 基本检查:
stopifnot(all.equal(X.,    X@path$seriesSim, check.attributes = FALSE),


## 绘制边缘函数
plot(X., type = "l", xlab = "t")

2 基于模拟数据的拟合程序

我们现在展示如何对X进行ARMA(1,1)-GARCH(1,1)过程的拟合(我们删除参数fixed.pars来估计这些参数)。

spec(varModel, mean.model = meanModel)
 ugarchfit(uspec, data = x))

检查(标准化的)Z,即残差Z的伪观测值。 

plot(U.)

对于边缘分布,我们也假定为t分布,但自由度不同。

fit("t", dim = 2), data = U., method = "mpl")
nu. <- rep(nu., d) # 边缘自由度
est <- cbind(fitted = c(estimate, nu.), true = c(th, nu, nu.)) # 拟合与真实值

3 从拟合的时间序列模型进行模拟


从拟合的copula 模型进行模拟。 

set.seed(271) # 可重复性
sapply(1:d, function(j) sqrt((nu[j]-2)/nu[j]) * qt(U[,j], df = nu[j]))
## => 创新必须是标准化的garch()
sim(fit[[j]], n.sim = n, m.sim = 1,

并绘制出每个结果序列(XtXt)。 

apply(sim,fitted(x)) # 模拟序列
plot(X.., type = "l")


最受欢迎的见解

1.用机器学习识别不断变化的股市状况—隐马尔科夫模型(HMM)的应用

2.R语言GARCH-DCC模型和DCC(MVT)建模估计

3.R语言实现 Copula 算法建模依赖性案例分析报告

4.R语言COPULAS和金融时间序列数据VaR分析

5.R语言多元COPULA GARCH 模型时间序列预测

6.用R语言实现神经网络预测股票实例

7.r语言预测波动率的实现:ARCH模型与HAR-RV模型

8.R语言如何做马尔科夫转换模型markov switching model

9.matlab使用Copula仿真优化市场风险

  • 0
    点赞
  • 0
    评论
  • 3
    收藏
  • 一键三连
    一键三连
  • 扫一扫,分享海报

实付
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、C币套餐、付费专栏及课程。

余额充值