您好,欢迎光临本网站![请登录][注册会员]  

搜索资源列表

  1. 混合正态分布的ARMA-GARCH模型及其VaR度量

  2. 基于混合正态分布的ARMA-GARCH模型及其VaR度量,完整的一篇论文
  3. 所属分类:专业指导

    • 发布日期:2014-03-03
    • 文件大小:86016
    • 提供者:u013894251
  1. GARCH ARMA 模型

  2. 关于ARMA GARCH 模型
  3. 所属分类:专业指导

    • 发布日期:2014-04-28
    • 文件大小:238592
    • 提供者:clorislu
  1. Cronos 2.04 预测软件

  2. 这是一个完整的时间序列分析软件包.支持各种不同的模式,包括ARMA及GARCH模型.
  3. 所属分类:C#

    • 发布日期:2015-11-20
    • 文件大小:1048576
    • 提供者:flyin_cn
  1. R语言 garch回归

  2. variance.model = list(model = "sGARCH", garchOrder = c(1, 1),submodel = NULL, external.regressors = NULL, variance.targeting = FALSE) distribution.model = "norm" ugarchfit(spec, datax, out.sample = 0, solver = "solnp", solver.contro l = list(),fit.c
  3. 所属分类:讲义

    • 发布日期:2017-08-30
    • 文件大小:16384
    • 提供者:qq_36813206
  1. 常用SAS时间序列分析代码说明

  2. 介绍SAS软件中相关系数,ARMA模型,Garch模型等常用代码的用法
  3. 所属分类:讲义

    • 发布日期:2019-05-07
    • 文件大小:134144
    • 提供者:qq_31258627
  1. 【清晰带标签】非线性时间序列_范剑青_中文.pdf

  2. 姚琦伟、范剑青编写的《非线性时间序列——建模、预报及应用》不仅对这些技术在时间序列状态空间、频域和时域等方面的应用给出了详细的介绍,同时,为了体现参数和非参数方法在时间序列分析中的整合性,还系统地阐述了一些主要参数非线性时间序列模型(比如ARCH/GARCH模型和门限模型等)的近期研究成果。此外,书中还包含了一个对线性ARMA模型的简洁介绍,为了说明如何运用非参数技术来揭示高维数据的局部结构,《非线性时间序列》借助了很多源于实际问题的具体数据,并注重在这些例子的分析中体现部分的分析技巧和工具。
  3. 所属分类:机器学习

    • 发布日期:2019-05-10
    • 文件大小:69206016
    • 提供者:tmrjlu
  1. ARMA模型预测代码.rar

  2. 通过拟合一个ARMA模型来对上证指数的收盘价进行预测,使用的数据是腾讯财经提供的数据,首先进行平稳性检验,其次是进行一阶差分处理,差分后的数据再拟合ARMA模型,再进行ARCH效应检测,拟合GARCH模型,最后进行预测
  3. 所属分类:专业指导

    • 发布日期:2020-03-27
    • 文件大小:2048
    • 提供者:weixin_45836860
  1. 大连玉米期货市场价格波动与到期效应的实证研究

  2. 大连玉米期货市场价格波动与到期效应的实证研究,杨丽,,本文依据大连玉米期货合约的实际数据,对玉米期货市场的到期效应进行了实证分析。首先建立ARMA-GARCH模型来完整的描述大连玉米期货�
  3. 所属分类:其它

    • 发布日期:2020-01-16
    • 文件大小:273408
    • 提供者:weixin_38691256
  1. Time Series Analysis and Its Applications

  2. Time Series Analysis and Its Applications Time Series Analysis and Its ApplicationsRobert h. shumway david s. Stoffer Time Series Analysis and Its applications Withr examples Fourth edition ② Springer Robert h. shumway David s. stoffer Departme
  3. 所属分类:机器学习

    • 发布日期:2019-03-23
    • 文件大小:15728640
    • 提供者:fakefate
  1. 广义自回归条件异方差极值理论-Copula模型的货币组合风险度量

  2. 本文使用copulas概念对货币汇率依存结构进行统计建模。 GARCH-EVT-Copula模型用于估计货币汇率的投资组合风险价值(VaR)。 首先,单变量ARMA-GARCH模型用于过滤收益序列。 然后拟合广义帕累托分布,以对标准化残差的尾部分布进行建模。 转换后的残差之间的依赖关系结构使用双变量copulas进行建模。 最后,基于蒙特卡罗模拟,对四种货币汇率的等权投资组合进行投资组合VaR估计。 实证结果表明,学生的t copula可以最恰当地表示货币汇率的依存结构。 回测结果还表明,与基准
  3. 所属分类:其它

    • 发布日期:2020-06-03
    • 文件大小:2097152
    • 提供者:weixin_38628150
  1. Comparison of the finite mixture of ARMA-GARCH NN SVM financial returns..pdf

  2. Hossain, A. , & Nasser, M. (2011). Comparison of the finite mixture of ARMA-GARCH, back propagation neural networks and support-vector machines in forecasting financial returns. Journal of Applied Statistics, 38 (3), 533–551 .
  3. 所属分类:金融

    • 发布日期:2020-09-14
    • 文件大小:776192
    • 提供者:qq_18822147
  1. Modelling financial time series using GARCH-type models.pdf

  2. We show how the ARMA-Power GARCH model for the conditional mean and variance can be adapted to analyze times series data showing asymmetry.
  3. 所属分类:金融

    • 发布日期:2020-10-11
    • 文件大小:324608
    • 提供者:qq_18822147
  1. 多元ARMA-GARCH模型的波动率估计

  2. 多元ARMA-GARCH模型的波动率估计
  3. 所属分类:其它

    • 发布日期:2021-03-15
    • 文件大小:522240
    • 提供者:weixin_38633576
  1. Timeseries-homework-源码

  2. 第10单元-未来的日元 时间序列预测 在此笔记本中,我们加载历史美元兑日元汇率期货数据,并应用时间序列分析和建模来确定是否存在任何可预测的行为: 使用Hodrick-Prescott过滤器进行分解(将结算价格分解为趋势和噪声)。 使用ARMA模型预测回报。 使用ARIMA模型预测结算价。 使用GARCH预测波动率。 线性回归预测 在此笔记本中,我们构建了一个Scikit-Learn线性回归模型,以预测日元期货(“定居”)的收益以及滞后的日元期货收益和分类日历的季节性影响(例如,星期几或一
  3. 所属分类:其它

    • 发布日期:2021-03-05
    • 文件大小:392192
    • 提供者:weixin_42169245
  1. A_Yen_For_The_Future:日元的时间序列分析-源码

  2. 未来的日元 背景 大公司的财务部门通常在进行国际业务时处理外币交易。 结果,他们一直在寻找可以帮助他们更好地理解各种货币的未来方向和风险的任何东西。 对冲基金也对任何能使他们在预测货币走势方面保持一致优势的东西都非常感兴趣。 在此分析中,我将使用ARMA,ARIMA和GARCH模型测试我的数据,以便预测日元兑美元的未来汇率变动。 时间序列预测 以下内容已用于分析日元的历史数据: 时间序列预测线性回归建模 有待回答的问题 根据您的时间序列分析,您现在会购买日元吗? 日元的风险会增加还是减少?
  3. 所属分类:其它

    • 发布日期:2021-03-01
    • 文件大小:7340032
    • 提供者:weixin_42127754
  1. 专案-源码

  2. 您好,欢迎来到我的项目页面! 我是克里斯蒂安(Cristian),他是定量经济学的研究生,对数据科学和分析充满热情。 我进入该领域的旅程始于4年前,当时我还是一名本科生,我们的微观经济学老师向我们展示了我们从数据中操纵和提取信息并对其进行可视化的方法。 那时,这些事情确实引起了我的注意,我已经开始学习有关该领域的一切知识。 首先,这导致了一个基于教程的网站Datacamp,该网站为我提供了一些基础知识。 之后,我以本科学位论文结束了对Undergrade的研究,并使用ARMA-GARCH模型对
  3. 所属分类:其它

    • 发布日期:2021-02-28
    • 文件大小:9437184
    • 提供者:weixin_42153615
  1. ARCHModels.jl:用于估算ARMA-GARCH模型的Julia包-源码

  2. ARCHModels.jl:用于估算ARMA-GARCH模型的Julia包
  3. 所属分类:其它

    • 发布日期:2021-02-04
    • 文件大小:836608
    • 提供者:weixin_42118161