arch模型的思路_ARCH模型的应用

本文通过R语言对中国银行2017年至2019年的股票收盘价数据进行分析,利用ARCH模型解决时间序列方差随时间变化的问题。通过对日对数收益率的建模,发现残差平方序列具有短期相关性,最终选用ARCH(2)模型进行拟合,展示条件异方差模型在股票价格波动预测上的优势。
摘要由CSDN通过智能技术生成

R是一套完整的数据处理、计算和制图软件系统。由于R具有庞大的软件包系统,并且具有免费、开源等优点,因此被广泛应用。本文借助R软件以中国银行的股票数据为例,实现ARCH的拟合。

ARCH模型也称为条件异方差模型,该模型给出了之前时间序列变量方差不变的解决方法,满足资本市场上大多数时间序列误差的波动随时间变化这一条件。本文采用ARCH模型对中国银行的股价进行预测。

所选数据为2017年1月到2019年1月的复权后股票收盘价数据,共487个。数据来源于choice数据库。

在实际分析中,股票收盘价序列不是一个平稳的金融时间序列,因此不能直接用收盘价序列来进行分析,在这里我们采用收盘价的对数收益率数据来代替收盘价进行模型的拟合、预测,其中日对数收益率表示为:

中国银行收益率正态性检验的P值小于显著性水平0.05,表明收益率不服从正态性分布,不能简单地用一般测量工具测量,可以用本文提到的ARCH模型进行分析。

本文将以中国银行为例,对中国银行日收益率序列进行建模分析,数据来源于choice数据库,选取的是从2017年1月1日至2019年1月1日的复权后的收盘价数据。

我们在使用ARCH模型时,原观察值序列被要求是一个平稳非白噪声序列或者经过预处理之后满足平稳非白噪声序列这一条件。

中国银行2017年1月1日至2019年1月1日收盘价的收益率序列数据的时序图。

>library(readxl) #加载readxl程序包

>x

>rt

>plot(rt)# 画出收益率的时序图

从中国银行日收益率图中可以看出收益率序列是一个平稳序列,因此可以进行建模分析。<

  • 0
    点赞
  • 4
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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