0303-原油涨停,二连板

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

  1. 昨天夜盘震荡下跌,但是晚上十一点后原油V型涨起来了。今天早晨高开直接涨停。封单3000手,晚上肯定高开了。尾盘封单1900.
  2. 昨天PTA涨停88高开价格是30.还不错,但是我隔夜的燃油平开的拉起来一波后来下跌了。然后今天高开之后震荡。
  3. PTA尾盘下跌,我多4手砍了720块钱。今天赚3500,手续费1800,主要是燃油和甲醇手续费太高了,就PTA手续费没涨。
  4. 沪镍尾盘怎么拉成这样了。
  5. 今天上午沪铝化工黑色系都走的单边,铁矿甚至濒临涨停。
  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
下面是一个基于MATLAB的示例代码,用于估计包含代理变量的Proxy-SVAR模型,并分解原油价格: ```matlab % 读取数据 data = readtable('data.csv'); data.Time = datetime(data.Time, 'InputFormat', 'yyyy-MM-dd'); data = table2timetable(data); endog_vars = {'oil_price', 'exchange_rate'}; exog_vars = {'interest_rate', 'inflation_rate', 'GDP_growth_rate'}; % 创建模型 model = varm(length(endog_vars), length(exog_vars), 2); % 设置变量 model.SeriesNames = [endog_vars, exog_vars]; model.ExogenousSeriesNames = exog_vars; % 估计模型 model = estimate(model, data{:, endog_vars}, 'X', data{:, exog_vars}); % 分解原油价格 impulse = zeros(size(model.A,1), 1); impulse(1) = 1; response = irf(model, 20, 'Impulse', impulse); oil_price_irf = squeeze(response(:,1,:)); % 绘制图表 figure subplot(2,1,1) plot(data.Time, data.oil_price) title('原油价格') subplot(2,1,2) plot(data.Time(1:20), oil_price_irf) title('冲击响应') legend('1期', '2期') ``` 在上面的代码中,我们读取包含原油价格、汇率、利率、通胀率和GDP增长率数据的CSV文件,并将其转换为timetable格式。然后,我们指定内生变量(即endog_vars)和外生变量(即exog_vars),并使用varm类创建模型。接下来,我们设置变量,并使用estimate函数估计模型。最后,我们使用irf函数计算原油价格的冲击响应,并将结果绘制成图表。 需要注意的是,Proxy-SVAR模型的实现需要更多的数据预处理和模型选择步骤,这里只是提供了一个简单的示例。此外,冲击响应的解释需要结合经济理论和实际情况进行分析。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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