原文鏈接：http://tecdat.cn/?p=2657

最近我們被客戶要求撰寫關于ARMA-GARCH的研究報告，包括一些圖形和統(tǒng)計輸出。

本文展示了如何基于基礎ARMA-GARCH過程（當然這也涉及廣義上的QRM）來擬合和預測風險價值（Value-at-Risk，VaR）

library(qrmtools)# 繪制qq圖 library(rugarch)

模擬數據

我們考慮具有t分布的ARMA（1,1）-GARCH（1,1）過程

將ARMA-GARCH模型擬合到（模擬的）數據

擬合一個ARMA-GARCH過程。

點擊標題查閱往期內容

ARMA-GARCH-COPULA模型和金融時間序列案例

左右滑動查看更多

01

02

03

04

計算VaR時間序列

計算風險價值估計值。請注意，我們也可以在這里使用基于GPD的估計模型。

通過隨機性檢查進行回測

我們來回測一下VaR估計值。

## 回測 VaR_0.99 btest <- VaRTest(alpha,actual =X,VaR =VaR,conf.level =0.95) btest$expected.exceed# 0.99 * n ## [1] 990 btest$actual.exceed ## [1] 988 btest$uc.Decision # unconditional test decision (note: cc.Decision is NA here) ## [1] "Fail to Reject H0"

?

基于擬合模型預測VaR

現(xiàn)在預測風險價值。

模擬（X）的未來序列并計算相應的VaR

模擬路徑，估算每個模擬路徑的VaR（注意，quantile()這里不能使用，所以我們必須手動構建VaR）。

?

點擊文末?“閱讀原文”

獲取全文完整代碼數據資料。

本文選自《R語言基于ARMA-GARCH過程的VaR擬合和預測》。

點擊標題查閱往期內容

時間序列分析：ARIMA GARCH模型分析股票價格數據
GJR-GARCH和GARCH波動率預測普爾指數時間序列和Mincer Zarnowitz回歸、DM檢驗、JB檢驗
【視頻】時間序列分析：ARIMA-ARCH / GARCH模型分析股票價格
時間序列GARCH模型分析股市波動率
PYTHON用GARCH、離散隨機波動率模型DSV模擬估計股票收益時間序列與蒙特卡洛可視化
極值理論 EVT、POT超閾值、GARCH 模型分析股票指數VaR、條件CVaR：多元化投資組合預測風險測度分析
Garch波動率預測的區(qū)制轉移交易策略
金融時間序列模型ARIMA 和GARCH 在股票市場預測應用
時間序列分析模型：ARIMA-ARCH / GARCH模型分析股票價格
R語言風險價值：ARIMA，GARCH，Delta-normal法滾動估計VaR（Value at Risk）和回測分析股票數據
R語言GARCH建模常用軟件包比較、擬合標準普爾SP 500指數波動率時間序列和預測可視化
Python金融時間序列模型ARIMA 和GARCH 在股票市場預測應用
MATLAB用GARCH模型對股票市場收益率時間序列波動的擬合與預測R語言GARCH-DCC模型和DCC（MVT）建模估計
Python 用ARIMA、GARCH模型預測分析股票市場收益率時間序列
R語言中的時間序列分析模型：ARIMA-ARCH / GARCH模型分析股票價格
R語言ARIMA-GARCH波動率模型預測股票市場蘋果公司日收益率時間序列
Python使用GARCH，EGARCH，GJR-GARCH模型和蒙特卡洛模擬進行股價預測
R語言時間序列GARCH模型分析股市波動率
R語言ARMA-EGARCH模型、集成預測算法對SPX實際波動率進行預測
matlab實現(xiàn)MCMC的馬爾可夫轉換ARMA - GARCH模型估計
Python使用GARCH，EGARCH，GJR-GARCH模型和蒙特卡洛模擬進行股價預測
使用R語言對S＆P500股票指數進行ARIMA + GARCH交易策略
R語言用多元ARMA,GARCH ,EWMA, ETS,隨機波動率SV模型對金融時間序列數據建模
R語言股票市場指數：ARMA-GARCH模型和對數收益率數據探索性分析
R語言多元Copula GARCH 模型時間序列預測
R語言使用多元AR-GARCH模型衡量市場風險
R語言中的時間序列分析模型：ARIMA-ARCH / GARCH模型分析股票價格
R語言用Garch模型和回歸模型對股票價格分析
GARCH（1,1），MA以及歷史模擬法的VaR比較
matlab估計arma garch 條件均值和方差模型R語言POT超閾值模型和極值理論EVT分析