«garch» etiketlenmiş sorular

İktisat alanında (bence) düzenli aralıklı zaman serileri için ARIMA ve GARCH ve modelleme noktası süreçleri için Poisson, Hawkes var, peki düzensiz (düzensiz) aralıklı zaman serileri modelleme girişimleri hakkında - en azından herhangi bir ortak uygulama var mı? ? (Bu konuda biraz bilginiz varsa, ilgili wiki makalesini de genişletebilirsiniz .) Baskı …

45 time-series  garch  poisson-process  point-process  unevenly-spaced-time-series 

Kafam karıştı. Bir ARMA ve bir GARCH süreci arasındaki farkı anlamıyorum. Bana göre aynı hayır var mı? İşte (G) ARCH (p, q) süreci σ2t=α0+∑i=1qαir2t−iARCH+∑i=1pβiσ2t−iGARCHσt2=α0+∑i=1qαirt−i2⏟ARCH+∑i=1pβiσt−i2⏟GARCH\sigma_t^2 = \underbrace{ \underbrace{ \alpha_0 + \sum_{i=1}^q \alpha_ir_{t-i}^2} _{ARCH} + \sum_{i=1}^p\beta_i\sigma_{t-i}^2} _{GARCH} Ve işte ARMA ( ):p,qp,qp, q Xt=c+εt+∑i=1pφiXt−i+∑i=1qθiεt−i.Xt=c+εt+∑i=1pφiXt−i+∑i=1qθiεt−i. X_t = c + \varepsilon_t + \sum_{i=1}^p \varphi_i …

42 arima  garch  finance 

Standart bir GARCH modeli kullanıyorum: rtσ2t= σtεt= γ0+ γ1r2t - 1+ δ1σ2t - 1rt=σtϵtσt2=γ0+γ1rt−12+δ1σt−12\begin{align} r_t&=\sigma_t\epsilon_t\\ \sigma^2_t&=\gamma_0 + \gamma_1 r_{t-1}^2 + \delta_1 \sigma^2_{t-1} \end{align} Katsayılar hakkında farklı tahminlerim var ve bunları yorumlamam gerekiyor. Bu yüzden güzel bir yorum merak ediyorum, bu yüzden , ve temsil ediyor?γ 1 δ 1γ0γ0\gamma_0γ1γ1\gamma_1δ1δ1\delta_1 sabit bir …

15 interpretation  garch 

İlişkisiz olmanın neden bağımsız olmadığını açıklarken, bir grup rastgele değişken içeren birkaç örnek vardır, ancak hepsi çok soyut görünmektedir: 1 2 3 4 . Bu cevap mantıklı görünüyor. Benim yorumum: Rastgele bir değişken ve karesi ilişkisiz olabilir (görünüşte korelasyon eksikliği doğrusal bağımsızlık gibi bir şeydir), ancak açıkça bağımlıdırlar. Sanırım bir …

14 correlation  independence  non-independent  garch  intuition 

ARCH modelinin özelliklerinden biri için , sabit iff burada ARCH modeli:E(X2t)&lt;∞E(Xt2)&lt;∞\mathbb{E}(X_t^2) < \infty{Xt}{Xt}\{X_t\}∑pi=1bi&lt;1∑i=1pbi&lt;1\sum_{i=1}^pb_i < 1 Xt=σtϵtXt=σtϵtX_t = \sigma_t\epsilon_t σ2t=b0+b1X2t−1+...bpX2t−pσt2=b0+b1Xt−12+...bpXt−p2\sigma_t^2 = b_0 + b_1X_{t-1}^2 + ... b_pX_{t-p}^2 ana fikri, bir AR (p) süreci olarak yazılabileceğini ve doğruysa, karakteristik polinomun tüm köklerinin ünitenin dışında olduğunu göstermektir. daire ve dolayısıyla sabittir. Daha sonra …

13 mathematical-statistics  stationarity  garch 

Model kullanarak ayar yapıyordum caret, ancak gbmpaketi kullanarak modeli yeniden çalıştırıyorum . Anladığım kadarıyla caretpaketin kullandığı gbmve çıktı aynı olmalı. Bununla birlikte, sadece hızlı bir test çalıştırması data(iris), değerlendirme metriği olarak RMSE ve R ^ 2 kullanılarak modelde yaklaşık% 5 tutarsızlık gösterir. Kısmi bağımlılık grafiklerini kullanmak için en iyi model …

13 r  caret  gbm  matrix  linear-algebra  logistic  modeling  logit  ordered-logit  r  confidence-interval  survival  population  weibull  classification  separation  hypothesis-testing  correlation  statistical-significance  p-value  python  r  data-visualization  r  regression  multiple-regression  chi-squared  multivariate-analysis  distributions  random-variable  experiment-design  distributions  poisson-regression  residuals  excel  time-series  garch  var  survival  modeling  cox-model  interaction  r  pca  normality-assumption 

Çok büyük bir veri setim var ve yaklaşık% 5 rasgele değerler eksik. Bu değişkenler birbiriyle ilişkilidir. Aşağıdaki örnek R veri kümesi sadece yapay korelasyonlu verilere sahip bir oyuncak örneğidir. set.seed(123) # matrix of X variable xmat &lt;- matrix(sample(-1:1, 2000000, replace = TRUE), ncol = 10000) colnames(xmat) &lt;- paste ("M", 1:10000, …

12 r  random-forest  missing-data  data-imputation  multiple-imputation  large-data  definition  moving-window  self-study  categorical-data  econometrics  standard-error  regression-coefficients  normal-distribution  pdf  lognormal  regression  python  scikit-learn  interpolation  r  self-study  poisson-distribution  chi-squared  matlab  matrix  r  modeling  multinomial  mlogit  choice  monte-carlo  indicator-function  r  aic  garch  likelihood  r  regression  repeated-measures  simulation  multilevel-analysis  chi-squared  expected-value  multinomial  yates-correction  classification  regression  self-study  repeated-measures  references  residuals  confidence-interval  bootstrap  normality-assumption  resampling  entropy  cauchy  clustering  k-means  r  clustering  categorical-data  continuous-data  r  hypothesis-testing  nonparametric  probability  bayesian  pdf  distributions  exponential  repeated-measures  random-effects-model  non-independent  regression  error  regression-to-the-mean  correlation  group-differences  post-hoc  neural-networks  r  time-series  t-test  p-value  normalization  probability  moments  mgf  time-series  model  seasonality  r  anova  generalized-linear-model  proportion  percentage  nonparametric  ranks  weighted-regression  variogram  classification  neural-networks  fuzzy  variance  dimensionality-reduction  confidence-interval  proportion  z-test  r  self-study  pdf 

mgcvİçin paket Rtensör ürün etkileşimleri uydurma için iki işlevi vardır: te()ve ti(). İkisi arasındaki temel işbölümünü anlıyorum (doğrusal olmayan bir etkileşime uymak ve bu etkileşimi ana etkilere ve etkileşime ayırmak). Anlamadığım şey neden te(x1, x2)ve ti(x1) + ti(x2) + ti(x1, x2)(biraz) farklı sonuçlar üretebilir. MWE (uyarlanmıştır ?ti): require(mgcv) test1 &lt;- …

11 r  gam  mgcv  conditional-probability  mixed-model  references  bayesian  estimation  conditional-probability  machine-learning  optimization  gradient-descent  r  hypothesis-testing  wilcoxon-mann-whitney  time-series  bayesian  inference  change-point  time-series  anova  repeated-measures  statistical-significance  bayesian  contingency-tables  regression  prediction  quantiles  classification  auc  k-means  scikit-learn  regression  spatial  circular-statistics  t-test  effect-size  cohens-d  r  cross-validation  feature-selection  caret  machine-learning  modeling  python  optimization  frequentist  correlation  sample-size  normalization  group-differences  heteroscedasticity  independence  generalized-least-squares  lme4-nlme  references  mcmc  metropolis-hastings  optimization  r  logistic  feature-selection  separation  clustering  k-means  normal-distribution  gaussian-mixture  kullback-leibler  java  spark-mllib  data-visualization  categorical-data  barplot  hypothesis-testing  statistical-significance  chi-squared  type-i-and-ii-errors  pca  scikit-learn  conditional-expectation  statistical-significance  meta-analysis  intuition  r  time-series  multivariate-analysis  garch  machine-learning  classification  data-mining  missing-data  cart  regression  cross-validation  matrix-decomposition  categorical-data  repeated-measures  chi-squared  assumptions  contingency-tables  prediction  binary-data  trend  test-for-trend  matrix-inverse  anova  categorical-data  regression-coefficients  standard-error  r  distributions  exponential  interarrival-time  copula  log-likelihood  time-series  forecasting  prediction-interval  mean  standard-error  meta-analysis  meta-regression  network-meta-analysis  systematic-review  normal-distribution  multiple-regression  generalized-linear-model  poisson-distribution  poisson-regression  r  sas  cohens-kappa 

Birkaç yıl boyunca bir dakikalık aralıklarla örneklenen AUD / USD döviz kuru günlük fiyatları zaman serisine bir ARIMA (1,1,1) -GARCH (1,1) modeli ekledim. modeli tahmin etmek için milyon veri noktası. Veri kümesi burada mevcuttur . Açıklık getirmek gerekirse, bu, log fiyatlarının birinci dereceden entegrasyonu nedeniyle log iadelerine takılan bir ARMA-GARCH …

10 time-series  arima  simulation  garch  finance 

Finansal ve sigorta alanlarında analistim ve volatilite modellerine uymaya çalıştığımda korkunç sonuçlar elde ediyorum: artıklar genellikle durağan değil (birim kök anlamında) ve heteroskedastiktir (bu yüzden model volatiliteyi açıklamamaktadır). ARCH / GARCH modelleri belki başka tür verilerle çalışıyor mu? Bazı noktaları açıklığa kavuşturmak için 17/04/2015 15:07 tarihinde düzenlendi.

10 time-series  garch  volatility-forecasting  arch 

Zaman serisi modelleme ile ilgili basit ARIMA modelleri ve benzeri deneyimlerim var. Şimdi volatilite kümelenmesi sergileyen bazı verilerim var ve verilere bir GARCH (1,1) modeli yerleştirmeye başlamak istiyorum. Bir veri serim var ve onu etkilediğini düşündüğüm birkaç değişken var. Yani temel regresyon terimleriyle, şuna benzer: yt= α + β1xt 1+ …

10 r  regression  garch 

ARMA / ARIMA modellerinin iyi çalışmadığı son derece doğrusal olmayan verilere bakıyorum. Yine de, bazı otokorelasyon görüyorum ve doğrusal olmayan otokorelasyon için daha iyi sonuçlar elde ettiğinden şüpheleniyorum. 1 / Rütbe korelasyonu için PACF'ye eşdeğer mi? (R? cinsinden) 2 / doğrusal olmayan / sıralama korelasyonu için bir eşdeğer ARMA modeli …

9 r  correlation  nonparametric  garch  arma