概述
原文链接：http://tecdat.cn/?p=18310
为了找出影响价格波动的主要因素，我们使用逐步回归法来剔除一些对于应变量即价格影响很小的自变量剔除出我们的模型（点击文末“阅读原文”获取完整代码数据）。
我们分别把WTI Price Field 等自变量的名称改为x1，x2……，最后的突发事件需要用到哑变量，哑变量只需要2个即可，我们将其作为X49，X50，X51,三个参数并将它们的值”正影响”、”无影响”、”负影响”分别改为-1,0,1。
相关视频
经过R语言处理以后我们得到模型：
Y~x1 + x2 + x4 + x5 + x7 + x13 + x14 + x15 + x16 + x17 + x18 + x20 + x21 + x23 + x34 + x25 + x26 + x29 + x30 + x33 + x35 + x36 + x37 + x39 + x40 + x42 + x44 + x46 + x47 + x48 + x49 + x50
由此可得，影响较小的已经被剔除了。
Garch模型预测波动性
我们通过使用Garch模型来预测波动性，
先检验数据正态性，可以计算得出数据分布函数，QQ图，对数收益率序列折线图
> shapiro.test(rlogdiffdata)
Shapiro-Wilk normality test
data: rlogdiffdata
W = 0.94315, p-value = 1.458e-05由QQ图以及p值可见，数据大致上符合正态分布。
点击标题查阅往期内容
R语言：GARCH模型股票交易量的研究道琼斯股票市场指数
左右滑动查看更多
01
02
03
04
最后用VaR曲线来进行预警剧烈波动。
红色的点就是剧烈波动前的预警点。
强影响点分析
我们可以通过使用cook统计量来寻找强影响点，因此我们用R语言的influence.measures()函数来进行影响分析。
右侧带有*号的表示强影响点。
我们通过学生化残差来构造F检验，最终得到t检验，以此来检测异常点。通过
stdres<-rstudent(lm.sol)来得到学生化残差，然后通过公式
来计算Fj，并且最终转化为tj，
t=sqrt((144-51-1)*stdres^2/(144-51-stdres^2))
最后我们可以检查，如果
则它为异常点。
R语言执行
res<-t>abs(qt(.025, df=92))可以直接得到大于对应t值的布尔值。
值为True的则可能为异常点。
预测
我们使用了HoltWinters来进行预测我们的价格区间
真实值基本都在预测的范围内，但是想要净赚预测还是比较困难的。
本文摘选《R语言用Garch模型和回归模型对股票价格分析》，点击“阅读原文”获取全文完整资料。
点击标题查阅往期内容
R语言对S＆P500股票指数进行ARIMA + GARCH交易策略
R语言ARMA GARCH COPULA模型拟合股票收益率时间序列和模拟可视化
ARMA-GARCH-COPULA模型和金融时间序列案例
时间序列分析：ARIMA GARCH模型分析股票价格数据
GJR-GARCH和GARCH波动率预测普尔指数时间序列和Mincer Zarnowitz回归、DM检验、JB检验
【视频】时间序列分析：ARIMA-ARCH / GARCH模型分析股票价格
时间序列GARCH模型分析股市波动率
PYTHON用GARCH、离散随机波动率模型DSV模拟估计股票收益时间序列与蒙特卡洛可视化
极值理论 EVT、POT超阈值、GARCH 模型分析股票指数VaR、条件CVaR：多元化投资组合预测风险测度分析
Garch波动率预测的区制转移交易策略
金融时间序列模型ARIMA 和GARCH 在股票市场预测应用
时间序列分析模型：ARIMA-ARCH / GARCH模型分析股票价格
R语言风险价值：ARIMA，GARCH，Delta-normal法滚动估计VaR（Value at Risk）和回测分析股票数据
R语言GARCH建模常用软件包比较、拟合标准普尔SP 500指数波动率时间序列和预测可视化
Python金融时间序列模型ARIMA 和GARCH 在股票市场预测应用
MATLAB用GARCH模型对股票市场收益率时间序列波动的拟合与预测
R语言GARCH-DCC模型和DCC（MVT）建模估计
Python 用ARIMA、GARCH模型预测分析股票市场收益率时间序列
R语言中的时间序列分析模型：ARIMA-ARCH / GARCH模型分析股票价格
R语言ARIMA-GARCH波动率模型预测股票市场苹果公司日收益率时间序列
Python使用GARCH，EGARCH，GJR-GARCH模型和蒙特卡洛模拟进行股价预测
R语言时间序列GARCH模型分析股市波动率
R语言ARMA-EGARCH模型、集成预测算法对SPX实际波动率进行预测
matlab实现MCMC的马尔可夫转换ARMA - GARCH模型估计
Python使用GARCH，EGARCH，GJR-GARCH模型和蒙特卡洛模拟进行股价预测
使用R语言对S＆P500股票指数进行ARIMA + GARCH交易策略
R语言用多元ARMA,GARCH ,EWMA, ETS,随机波动率SV模型对金融时间序列数据建模
R语言股票市场指数：ARMA-GARCH模型和对数收益率数据探索性分析
R语言多元Copula GARCH 模型时间序列预测
R语言使用多元AR-GARCH模型衡量市场风险
R语言中的时间序列分析模型：ARIMA-ARCH / GARCH模型分析股票价格
R语言用Garch模型和回归模型对股票价格分析
GARCH（1,1），MA以及历史模拟法的VaR比较
matlab估计arma garch 条件均值和方差模型
R语言POT超阈值模型和极值理论EVT分析
最后
以上就是干净夕阳为你收集整理的R语言用Garch模型和回归模型对股票价格分析Garch模型预测波动性强影响点分析 预测的全部内容，希望文章能够帮你解决R语言用Garch模型和回归模型对股票价格分析Garch模型预测波动性强影响点分析 预测所遇到的程序开发问题。
如果觉得靠谱客网站的内容还不错，欢迎将靠谱客网站推荐给程序员好友。
发表评论 取消回复