R語(yǔ)言隨機(jī)波動(dòng)模型SV：馬爾可夫蒙特卡羅法MCMC、正則化廣義矩估計(jì)和準(zhǔn)最大似然估計(jì)上
全文鏈接：http://tecdat.cn/?p=31162
最近我們被客戶要求撰寫關(guān)于SV模型的研究報(bào)告，包括一些圖形和統(tǒng)計(jì)輸出
本文做SV模型，選取馬爾可夫蒙特卡羅法(MCMC)、正則化廣義矩估計(jì)法和準(zhǔn)最大似然估計(jì)法估計(jì)。
模擬SV模型的估計(jì)方法：
sim <- svsim(1000,mu=-9, phi = 0.97, sigma = 0.15)print(sim)summary(sim)
plot(sim)
繪制上證指數(shù)收益時(shí)間序列圖、散點(diǎn)圖、自相關(guān)圖與偏自相關(guān)圖
我們選取上證指數(shù)5分鐘高頻數(shù)據(jù)：
data=read.csv("上證指數(shù)-5min.csv",header=TRUE)#open：開盤價(jià) ?close：收盤價(jià) vol：成交量 amount：成交額head(data,5) ?#觀察數(shù)據(jù)的頭5行tail(data,5) ?#觀察數(shù)據(jù)的最后5行Close.ptd<-data$closeClose.rtd<-diff(log(Close.ptd)) ?#指標(biāo)一：logReturnrets=diff(data$close)/data$close[-length(data$close)] ?#指標(biāo)二：Daily Returns，我們選擇Daily Returnslibrary(tseries)adf.test(rets)## 繪制上證指數(shù)收益時(shí)間序列圖、散點(diǎn)圖、自相關(guān)圖與偏自相關(guān)圖Close.ptd.ts<-ts(Close.ptd,start=c(2005,1,4),freq=242) ?plot(Close.ptd.ts, type="l",main="(a) 上證指數(shù)日收盤價(jià)序列圖",acf(Close.rtd,main='',xlab='Lag',ylab='ACF',las=1) ? ?title(main='(b) 上證指數(shù)收益率自相關(guān)檢驗(yàn)',cex.main=0.95)pacf(Close.rtd,main='',xlab='Lag',ylab='PACF',las=1) ? ? ? ? ? ? ? title(main='(c) 上證指數(shù)收益率偏自相關(guān)檢驗(yàn)',cex.main=0.95)def.off## Q-Q圖、經(jīng)驗(yàn)累積分布ecdf圖、密度圖、直方圖 qqnorm(Close.rtd,main="(a) 上證指數(shù)收益率Q-Q圖",cex.main=0.95, ? ? ? xlab='理論分位數(shù)',ylab='樣本分位數(shù)') ? ? ? ? ? ?qqline(Close.rtd) ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? #經(jīng)驗(yàn)累積分布ecdf圖plot(ECD,lwd = 2,main="(b) 上證指數(shù)收益率累積分布函數(shù)圖",cex.main=0.95,las=1) xx <- unique(sort(c(seq(-3, 2, length=24), knots(ECD)))) ? ? ? ? abline(v = knots(ECD), lty=2, col='gray70') ? ? ? ? ? ? ? ? ? ? ? ? ? x1 <- c((-4):3) ? ? ? ? ? ? # 設(shè)定區(qū)間范圍lines(x1,pnorm(x1,mean(Close.rtdC[1:10]),sd(Close.rtd[1:10]))) ?#密度圖plot(D, main="(c) 上證指數(shù)核密度曲線圖 ",xlab="收益", ylab='密度', ? ? xlim = c(-7,7), ylim=c(0,0.5),cex.main=0.95) ? ? ? polygon(D, col="gray", border="black") ? ? ? ? ? ? ? ? curve(dnorm,lty = 2, add = TRUE) ? ? ? ? ? ? ? ? ? ? ? ?lines(x2,dnorm(x2,mean=0,sd=1)) ? ? ?abline(v=0,lty = 3) ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? legend("topright", legend=c("核密度","正態(tài)密度"),lty=c(1,2),cex=0.5)#直方圖hist(Close.rtd[1:100],xaxt='n',main='(d) 上證指數(shù)收益率直方圖', ? ? xlab='收益/100',ylab='密度', freq=F,cex.main=0.95,las=1) ? ? ? ?lines(x2,dnorm(x2,mean(Close.rtd[1:100]),sd(Close.rtd[1:100]))) axis(1,at=axTicks(1),labels = as.integer(axTicks(1))/100 )
點(diǎn)擊標(biāo)題查閱往期內(nèi)容
【視頻】隨機(jī)波動(dòng)率SV模型原理和Python對(duì)標(biāo)普SP500股票指數(shù)預(yù)測(cè)|數(shù)據(jù)分享
左右滑動(dòng)查看更多
01
02
03
04
SV模型
{ ?N <- length(logReturn) ?mu <- (1/N)*sum(logReturn) ?sqrt((1/N) * sum((logReturn - mu)^2))} ?return=-1.5*log(h)-y^2/(2*h)-(log(h)-mu)^2/(2*sigma2)}
馬爾可夫鏈蒙特卡羅估計(jì)
該模型使用了Kastner和Fruhwirth-Schnatter所描述的算法。使用的R代碼是：
###Markov Chain Monte Carlosummary(mcmc)
準(zhǔn)最大似然估計(jì)
SV模型可以用QML方法在R中用許多不同的狀態(tài)空間和Kalman濾波包來(lái)估計(jì)。
? a0=c(parm[1])? P0=matrix(parm[3]^2/(1-parm[2]^2))? dt=matrix(parm[1]*(1-parm[2]))? ct=matrix(-1.27)? Tt=matrix(parm[2])? Zt=matrix(1)? HHt=matrix(parm[3]^2)? GGt=matrix(pi^2/2)? ans<-fkf(a0=sp$a0,P0=sp$P0,dt=sp$dt,ct=sp$ct,Tt=sp$Tt,Zt=sp$Zt,HHt=sp$HHt,GG
正則化廣義矩陣
在R函數(shù)中定義矩條件，然后估計(jì)參數(shù)0。
moments <- c (??? m1 = sqrt(2/pi)*exp(mu/2 + sig2h/8),??? m2 = exp(mu +? sig2h/2 ) ,??? m3 = 2*sqrt ( 2/pi ) * exp( 3*mu/2 + 9*sig2h/8 ) , ? ?gmm(g = sv.moments , x =rets , t0=c(mu=-10, phi=0.9,sigmaeta= 0.2),
點(diǎn)擊文末?“閱讀原文”
獲取全文完整代碼數(shù)據(jù)資料。
本文選自《R語(yǔ)言隨機(jī)波動(dòng)模型SV：馬爾可夫蒙特卡羅法MCMC、正則化廣義矩估計(jì)和準(zhǔn)最大似然估計(jì)上證指數(shù)收益時(shí)間序列》。
點(diǎn)擊標(biāo)題查閱往期內(nèi)容
HAR-RV-J與遞歸神經(jīng)網(wǎng)絡(luò)（RNN）混合模型預(yù)測(cè)和交易大型股票指數(shù)的高頻波動(dòng)率
Matlab馬爾可夫鏈蒙特卡羅法（MCMC）估計(jì)隨機(jī)波動(dòng)率（SV，Stochastic Volatility） 模型
R語(yǔ)言隱馬爾可夫模型HMM連續(xù)序列重要性重抽樣CSIR估計(jì)隨機(jī)波動(dòng)率模型SV分析股票收益率時(shí)間序列
馬爾可夫Markov區(qū)制轉(zhuǎn)移模型分析基金利率
馬爾可夫區(qū)制轉(zhuǎn)移模型Markov regime switching
時(shí)變馬爾可夫區(qū)制轉(zhuǎn)換MRS自回歸模型分析經(jīng)濟(jì)時(shí)間序列
馬爾可夫轉(zhuǎn)換模型研究交通傷亡人數(shù)事故時(shí)間序列預(yù)測(cè)
如何實(shí)現(xiàn)馬爾可夫鏈蒙特卡羅MCMC模型、Metropolis算法？
Matlab用BUGS馬爾可夫區(qū)制轉(zhuǎn)換Markov switching隨機(jī)波動(dòng)率模型、序列蒙特卡羅SMC、M H采樣分析時(shí)間序列
R語(yǔ)言BUGS序列蒙特卡羅SMC、馬爾可夫轉(zhuǎn)換隨機(jī)波動(dòng)率SV模型、粒子濾波、Metropolis Hasting采樣時(shí)間序列分析
matlab用馬爾可夫鏈蒙特卡羅 (MCMC) 的Logistic邏輯回歸模型分析汽車實(shí)驗(yàn)數(shù)據(jù)
stata馬爾可夫Markov區(qū)制轉(zhuǎn)移模型分析基金利率
PYTHON用時(shí)變馬爾可夫區(qū)制轉(zhuǎn)換（MRS）自回歸模型分析經(jīng)濟(jì)時(shí)間序列
R語(yǔ)言使用馬爾可夫鏈對(duì)營(yíng)銷中的渠道歸因建模
matlab實(shí)現(xiàn)MCMC的馬爾可夫轉(zhuǎn)換ARMA - GARCH模型估計(jì)
R語(yǔ)言隱馬爾可夫模型HMM識(shí)別不斷變化的股票市場(chǎng)條件
R語(yǔ)言中的隱馬爾可夫HMM模型實(shí)例
用機(jī)器學(xué)習(xí)識(shí)別不斷變化的股市狀況—隱馬爾科夫模型(HMM)
Matlab馬爾可夫鏈蒙特卡羅法（MCMC）估計(jì)隨機(jī)波動(dòng)率（SV，Stochastic Volatility） 模型
MATLAB中的馬爾可夫區(qū)制轉(zhuǎn)移(Markov regime switching)模型
Matlab馬爾可夫區(qū)制轉(zhuǎn)換動(dòng)態(tài)回歸模型估計(jì)GDP增長(zhǎng)率
R語(yǔ)言馬爾可夫區(qū)制轉(zhuǎn)移模型Markov regime switching
stata馬爾可夫Markov區(qū)制轉(zhuǎn)移模型分析基金利率
R語(yǔ)言如何做馬爾可夫轉(zhuǎn)換模型markov switching model
R語(yǔ)言隱馬爾可夫模型HMM識(shí)別股市變化分析報(bào)告
R語(yǔ)言中實(shí)現(xiàn)馬爾可夫鏈蒙特卡羅MCMC模型
