在线音乐网站开发数据库,高密住房和城乡建设局网站,萍乡网站设计公司,国家单位网站建设要多久1.下载国泰君安股票数据#xff0c;计算对数收益率(1)首先安装包quantmod#xff0c;这个包可以从雅虎财经的下载股票数据#xff0c;具体包的解释见【量化基础】R语言获取金融数据之quantmod包。install.packages(quantmod)#安装包qua…1.下载国泰君安股票数据计算对数收益率(1)首先安装包quantmod这个包可以从雅虎财经的下载股票数据具体包的解释见【量化基础】R语言获取金融数据之quantmod包。install.packages(quantmod)#安装包quantmod
library(quantmod)#调用包
setSymbolLookup(GTJAlist(name601211.ss,srcyahoo))#下载国泰君安601211数据
getSymbols(GTJA)
spc-Cl(GTJA)#Cl()收盘价函数
rtn-diff(log(spc))#对数收益率
rtn-rtn[8:length(rtn)]#前7个数据为缺失数据收集第8个以后数据。
ts.plot(rtn,ylab对数收益率,main国泰君安)#画出国泰君安对数收益率时间序列图2.ARMA模型建立与残差的检验首先调用时间序列分析包TSA: Time Series Analysis该包包含了《时间序列分析及应用R语言》中几乎所有涉及到的函数然后计算自相关系数(acf)偏自相关系数(pacf)以及推广的自相关系数eacf,来确定ARMA的阶数建立ARMA模型计算出残差画出残差图计算残差的acf残差平方的acf残差平方的pacf残差绝对值的acf对残差的平方进行Box-Ljung检验判断确定残差是否独立library(TSA)#调用包
acf(rtn)
pacf(rtn)
eacf(rtn)
m1-arima(rtn,orderc(2,0,2),include.meanFALSE)
m1
resi-m1$residuals
plot(resi)残差图残差图分析从残差图中可以看出有平静和波动相互交替的现象从而说明对数收益率的条件方差随时间的变化而变化。画出残差、残差平方acf与pacf图以及绝对值pacf图par(mfrowc(4,1))
acf(resi)
acf(resi^2)
pacf(resi^2)
acf(abs(resi))残差的acf残差平方的acfpacf以及残差绝对值的acf图从上图可以看出残差的平方具有相关性从而说明残差不独立且条件方差不是常数。Box-Ljung检验Box.test(resi^2,lag12,typeLjung) 检验结果--------------------Box-Ljung testdata: resi^2X-squared 281.04, df 12, p-value 2.2e-16------------------------------------------结果分析:3.arma(2,2)garch(1,1)模型建立、残差检验以及预测install.packages(fGarch)#安装包garch模型包
library(fGarch)#调用fGarch包
m2-garchFit(~arma(2,2)garch(1,1),datartn,traceF)
summary(m2)程序结果-----------------------Title:GARCH Modelling Call:garchFit(formula ~arma(2, 2) garch(1, 1), data rtn, trace F) Mean and Variance Equation:data ~ arma(2, 2) garch(1, 1)environment: 0x000000002c719990[data rtn]Conditional Distribution:norm Coefficient(s): mu ar1 ar2 ma1 ma2 omega 1.0790e-04 3.6944e-01 -7.6402e-01 -3.9155e-01 7.3781e-01 2.1767e-06 alpha1 beta1 5.6396e-02 9.3788e-01 Std. Errors:based on Hessian Error Analysis: Estimate Std. Error t value Pr(|t|) mu 1.079e-04 7.421e-04 0.145 0.884391 ar1 3.694e-01 8.957e-02 4.124 3.72e-05 ***ar2 -7.640e-01 5.426e-02 -14.081 2e-16 ***ma1 -3.915e-01 1.090e-01 -3.591 0.000329 ***ma2 7.378e-01 6.167e-02 11.963 2e-16 ***omega 2.177e-06 9.266e-07 2.349 0.018820 * alpha1 5.640e-02 1.180e-02 4.779 1.76e-06 ***beta1 9.379e-01 1.064e-02 88.145 2e-16 ***---Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1Log Likelihood:1804.476 normalized: 2.615183 Description:Tue May 08 11:21:54 2018 by user: Standardised Residuals Tests: Statistic p-Value Jarque-Bera Test R Chi^2 279.9075 0 Shapiro-Wilk Test R W 0.9502314 1.720501e-14Ljung-Box Test R Q(10) 6.373662 0.782954 Ljung-Box Test R Q(15) 12.03866 0.6761006 Ljung-Box Test R Q(20) 21.83737 0.3494 Ljung-Box Test R^2 Q(10) 3.650817 0.9617277 Ljung-Box Test R^2 Q(15) 10.16369 0.8093186 Ljung-Box Test R^2 Q(20) 16.80866 0.6653606 LM Arch Test R TR^2 5.142881 0.9530354 Information Criterion Statistics: AIC BIC SIC HQIC -5.207178 -5.154579 -5.207443 -5.186832 -------------------------------结果分析1模型为 , 为高斯白噪声2模型的检验标准化残差 的检验的p值都大于0.05.从而说明模型是充分的。下面画出95%点预测区间的对数收益率的时序图 plot(m2)然后输入3得到下图对序列进行预测得到未来6期对数收益率预测值以及波动率。predict(m2,6)程序结果-------------------------------------------- meanForecast meanError standardDeviation1 0.0009769469 0.01636570 0.016365702 0.0007503291 0.01638934 0.016385353 -0.0003613058 0.01641850 0.016404864 -0.0005988464 0.01643922 0.016424245 0.0001627066 0.01645866 0.016443496 0.0006255391 0.01647782 0.016462604. 新息服从学生t分布的GARCH(1,1)模型建立、检验与预测m3-garchFit(~arma(2,2)garch(1,1),datartn,cond.diststd,traceF)
summary(m3)
plot(m3)
predict(m3,6)这里结果就不在显示。读者自己运行并给予解释。5.参考文献【1】R语言与现代统计方法 刘强等编著 清华大学出版社
