发表服务
基于EVIEWS的ARMA-GARCH模型对上证指数的研究.林子明王雅婷.【摘要】：基于自回归移动平均模型(ARMA)和广义自回归条件异方差模型(GARCH)的方法在金融数据分析上具有很大的优势,本文使用ARMA-GARCH预测模型,对上证指数收盘价建模,通过模拟和预测,得到本文样本的...
基于ARMA-GARCH模型族的上证指数收益率波动的实证分析.【摘要】：本文选取了上证综指收盘指数在2000年1月至2015年12月期间的历史数据,并利用r_t=100*(lnp_t-lnp_(t-1))建立对数收益率序列进行预处理之后逐步建立ARMA-GARCH族模型,并逐步优化,求出最优拟合模型...
【原创】R语言绘制功能富集泡泡图数据分析报告论文（附代码数据）.docx【原创】matlab估计armagarch条件均值和方差模型数据分析报告论文（附代码数据）.docx最新人教部编版语文中考考点复习第46课时实用类文本——说明文阅读(二).ppt
大小：147.97KB.字数：约小于1千字.发布时间：2020-07-20.浏览人气：23.下载次数：仅上传者可见.收藏次数：0.需要金币：***金币(10金币=人民币1元)【原创】时间序列：R语言ARMA-GARCH模型数据分析报告论文（附代码数据）.docx.关闭预览.
;IdentificationforMultivariateARMASystemswithoutSPRCondition[A];第二十六届中国控制会议论文集[C];2007年6徐静;冯前进;牛欣;;时间序列ARMA模型在中医“天人相应”研究中的探索及应用[A];第十次全国中医药传承创新与发展学术交流会暨第二届全国中医药博士生优秀论文颁奖会议论文集[C];2011年
本文选取了兆易创新（603986）2019年7月12至2020年2月25日，一共150个交易日的收盘价数据，利用python对其进行ARIMA+GARCH建模，并带着大家对其中用到是时间序列知识进行简单回顾
论文研读9篇Another3篇实验记录10篇数学基础1篇图像处理matlab3篇ACM4篇实付元使用余额支付点击重新获取扫码支付钱包余额0抵扣说明：1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣...
概括起来主要有以下几个方面：1.波动率建模提供了一个简单的方法来计算风险管理中一个金融头寸的风险值；2.时间序列的波动率建模能够改进参数估计的有效性和区间预测的精准度；3.市场的波动率本身也可以构建成一个交易工具，用来对冲风险，比如CBOE构建...
文章对2002年1月4日至2009年3月31日我国银行间质押式回购市场进行实证研究,结果表明:(1)t-分布和g-分布下的模型能更好地捕捉回购利率序列的尖峰厚尾性;(2)回购利率波动具有显著的非对称性,利率上升时的波动更大;(3)ARMA-PARCH-M模型是估计回购利率VaR值的理想模型,t-分布下的模型适合多头头寸VaR值的...
1田慧欣;;基于多神经网络的日前电价预测[A];天津市电机工程学会2009年学术年会论文集[C];2009年2孙伟;卢建昌;孟明;;基于时间序列支持向量机模型的电价预测研究[A];2006中国控制与决策学术年会论文集[C];2006年3秦磊;邹斌;;电价预测及其概率分布[A];2007中国控制与决策学术年会论文集[C];2007年
基于EVIEWS的ARMA-GARCH模型对上证指数的研究.林子明王雅婷.【摘要】：基于自回归移动平均模型(ARMA)和广义自回归条件异方差模型(GARCH)的方法在金融数据分析上具有很大的优势,本文使用ARMA-GARCH预测模型,对上证指数收盘价建模,通过模拟和预测,得到本文样本的...
基于ARMA-GARCH模型族的上证指数收益率波动的实证分析.【摘要】：本文选取了上证综指收盘指数在2000年1月至2015年12月期间的历史数据,并利用r_t=100*(lnp_t-lnp_(t-1))建立对数收益率序列进行预处理之后逐步建立ARMA-GARCH族模型,并逐步优化,求出最优拟合模型...
【原创】R语言绘制功能富集泡泡图数据分析报告论文（附代码数据）.docx【原创】matlab估计armagarch条件均值和方差模型数据分析报告论文（附代码数据）.docx最新人教部编版语文中考考点复习第46课时实用类文本——说明文阅读(二).ppt
大小：147.97KB.字数：约小于1千字.发布时间：2020-07-20.浏览人气：23.下载次数：仅上传者可见.收藏次数：0.需要金币：***金币(10金币=人民币1元)【原创】时间序列：R语言ARMA-GARCH模型数据分析报告论文（附代码数据）.docx.关闭预览.
;IdentificationforMultivariateARMASystemswithoutSPRCondition[A];第二十六届中国控制会议论文集[C];2007年6徐静;冯前进;牛欣;;时间序列ARMA模型在中医“天人相应”研究中的探索及应用[A];第十次全国中医药传承创新与发展学术交流会暨第二届全国中医药博士生优秀论文颁奖会议论文集[C];2011年
本文选取了兆易创新（603986）2019年7月12至2020年2月25日，一共150个交易日的收盘价数据，利用python对其进行ARIMA+GARCH建模，并带着大家对其中用到是时间序列知识进行简单回顾
论文研读9篇Another3篇实验记录10篇数学基础1篇图像处理matlab3篇ACM4篇实付元使用余额支付点击重新获取扫码支付钱包余额0抵扣说明：1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣...
概括起来主要有以下几个方面：1.波动率建模提供了一个简单的方法来计算风险管理中一个金融头寸的风险值；2.时间序列的波动率建模能够改进参数估计的有效性和区间预测的精准度；3.市场的波动率本身也可以构建成一个交易工具，用来对冲风险，比如CBOE构建...
文章对2002年1月4日至2009年3月31日我国银行间质押式回购市场进行实证研究,结果表明:(1)t-分布和g-分布下的模型能更好地捕捉回购利率序列的尖峰厚尾性;(2)回购利率波动具有显著的非对称性,利率上升时的波动更大;(3)ARMA-PARCH-M模型是估计回购利率VaR值的理想模型,t-分布下的模型适合多头头寸VaR值的...
1田慧欣;;基于多神经网络的日前电价预测[A];天津市电机工程学会2009年学术年会论文集[C];2009年2孙伟;卢建昌;孟明;;基于时间序列支持向量机模型的电价预测研究[A];2006中国控制与决策学术年会论文集[C];2006年3秦磊;邹斌;;电价预测及其概率分布[A];2007中国控制与决策学术年会论文集[C];2007年
发表服务