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

最新推荐文章于 2023-12-05 15:01:59 发布

CodeKing

最新推荐文章于 2023-12-05 15:01:59 发布

阅读量276

点赞数

文章标签： R语言安装ccgarch

本文链接：https://blog.csdn.net/weixin_34326484/article/details/112869925

版权

本文探讨了使用R语言的ARMA-EGARCH模型、realGARCH模型和ARFIMA-eGARCH模型预测SP 500指数实际波动率，并通过随机森林集成提高预测精度。研究发现，利用高频数据的模型表现优于基于日收益的模型，随机森林集成模型的MSE降低了约17%。

摘要由CSDN通过智能技术生成

原文链接：http://tecdat.cn/?p=12174

介绍

本文比较了几个时间序列模型，以预测SP 500指数的每日实际波动率。基准是SPX日收益系列的ARMA-EGARCH模型。将其与GARCH模型进行比较。最后，提出了集合预测算法。

假设条件

实际波动率是看不见的，因此我们只能对其进行估算。这也是波动率建模的难点。如果真实值未知，则很难判断预测质量。尽管如此，研究人员为实际波动率开发了估算器。Andersen，Bollerslev Diebold(2008) 和 Barndorff-Nielsen and Shephard(2007) 以及 Shephard and Sheppard(2009) 提出了一类基于高频的波动率(HEAVY)模型，作者认为HEAVY模型给出了很好的估计。

假设：HEAVY实现的波动率估算器无偏且有效。

在下文中，将HEAVY估计量作为观察到的已实现波动率来确定预测性能。

数据来源SPX每日数据(平仓收益)

SPX盘中高频数据(HEAVY模型估计)

VIX

VIX衍生品(VIX期货)

在本文中，我主要关注前两个。

数据采集

实际波动率估计和每日收益

我实现了Shephard和Sheppard的模型，并估计了SPX的实现量。head(SPXdata)SPX2.rv SPX2.r SPX2.rs SPX2.nobs SPX2.open2000-01-03 0.000157240 -0.010103618 0.000099500 1554 34191.162000-01-04 0.000298147 -0.039292183 0.000254283 1564 34195.042000-01-05 0.000307226 0.001749195 0.000138133 1552 34196.702000-01-06 0.000136238 0.001062120 0.000062000 1561 34191.432000-01-07 0.000092700 0.026022074 0.000024100 1540 34186.142000-01-10 0.000117787 0.010537636 0.000033700 1573 34191.50SPX2.highlow SPX2.highopen SPX2.openprice SPX2.closeprice2000-01-03 0.02718625 0.005