r语言garchcopulavar模型附代码数据.docx

上传人:王** 文档编号:895199 上传时间:2024-02-22 格式:DOCX 页数:33 大小:525.17KB
下载 相关 举报
r语言garchcopulavar模型附代码数据.docx_第1页
第1页 / 共33页
r语言garchcopulavar模型附代码数据.docx_第2页
第2页 / 共33页
r语言garchcopulavar模型附代码数据.docx_第3页
第3页 / 共33页
r语言garchcopulavar模型附代码数据.docx_第4页
第4页 / 共33页
r语言garchcopulavar模型附代码数据.docx_第5页
第5页 / 共33页
r语言garchcopulavar模型附代码数据.docx_第6页
第6页 / 共33页
r语言garchcopulavar模型附代码数据.docx_第7页
第7页 / 共33页
r语言garchcopulavar模型附代码数据.docx_第8页
第8页 / 共33页
r语言garchcopulavar模型附代码数据.docx_第9页
第9页 / 共33页
r语言garchcopulavar模型附代码数据.docx_第10页
第10页 / 共33页
亲,该文档总共33页,到这儿已超出免费预览范围,如果喜欢就下载吧!
资源描述

《r语言garchcopulavar模型附代码数据.docx》由会员分享,可在线阅读,更多相关《r语言garchcopulavar模型附代码数据.docx(33页珍藏版)》请在优知文库上搜索。

1、# 数据处理思路# #1.原始数据为4组时间序列;# #读取软件包library(,fGarch)IibraryCquantmod)library(ghyp)Iibrary(Copula)#设置工作目录#读取数据data=read.csv(Data.csv)head(data)#PoundJpanUsdEur#1-0.016689192-0.006422036-0.0041613040.001084608#20.0000000000.0059939300.000000000-0.034008741#30.000000000-0.0068502730.008322209-0.013969242#

2、40.0125174950.0102750050.000000000-0.001120290#50.012513888-0.0072778770.020798548-0.011676878#6-0.0083421910.0021406790.0124743500.007202157data=na.omit(data)# 2.对每组数据进行根本检验(自回归,异方差,自相关,稳定性,正态性)然后进行ARCHa,刀建模,得到四个边缘分布;# #自编函数进行根本检验testfun=function(yield)# #绘制时序图ts.plot(yield)# #根本统计量summary(yield)sd

3、(yield)var(yield)# #/*偏度、峰度*/n-length(yield)m-mean(yield)s-sd(yield)gl-n(n-l)*(n-2)*sum(yield-m)八3)s八3g2-(n*(n+l)(n-l)*(n-2)*(n-3)*sum(yield-m)7k4)s八4-(3*(n-l)八2)/(n-2)*(n-3)# #偏度gl# #峰度g2# #/*作图*/hist(yield,freq=F)lines(density(yield)# #QQ图(正态性)qqnorm(yield)qqline(yield)library(tseries)# #*JB检验*/(检

4、验正态性)print(jarque.bera.test(yield)# #*自相关性检验*/print(Box.test(yield,type=Ljung-Box)# 然后用自相关图检查序列的平稳性,,最后发现一阶差分后的序列是平稳的# #检验自相关偏相关系数acf(yield)pacf(yield)# 卜面对平稳性序列建立模型,偏相关系数在滞后/期后很快地趋向地,所以取p=2,自相关系数图形具有拖尾性,所以初步判断诲ru模型# #/*单位根检验*/稳定性检验print(adf.test(yield)print(pp.test(yield)# #*ARCH-LM检验结果*/异方差检验Iibra

5、ry(FinTS)print(ArchTest(yieldjlags=12jdemean=FALSE)# #建立/*GARCH*/模型library(fGarch);library(rugarch)# #*GARCH31)-norm*/garch_norm-garchFit(yieldgarch(l,1),trace=FALSE)garch_normspec-Ugarchspec(variance,model=list(garch0rder=c(l41),mean.model=list(armarder=c(0j0)fit-ugarchfit(spec=spec,data=yield)fit#

6、 #对每一组数据进行分析yield=data,ltestfun(yield)HistogramofyieldNormalQ-QPlot-3-2-10123TheoreticalQuantiIes# # #3arqueBeraTest# # #data:yield# #X-squared=61462,df=2,p-value2.2e-16# # #Box-Ljungtest# # #data:yield# #X-squared=0.51149,df=1,p-value=0.4745OOl101520253035V oLl_ # #Warninginadf.test(yield):p-values

7、mallerthanprintedp-value# # #AugmentedDickey-FullerTest# # #data:yield# #Dickey-Fuller=-13.844,Lagorder=13,p-value=0.01# #alternativehypothesis:stationary# #Warninginpp.test(yield):p-valuesmallerthanprintedp-value# # #Phillips-PerronUnitRootTest# # #data:yield# #Dickey-FullerZ(alpha)=-2511.3,Truncat

8、ionlagparameter=9,# #p-value=0.01# #alternativehypothesis:stationary# # # #ARCHLM-test;Nullhypothesis:noARCHeffects# # #data:yield# #Chi-squared=137.66,df=12,p-valuet)#mu-0.0003060.000404-0.75660.44929#omega0.0000050.0000041.30700.19123#alphal0.0269570.0050415.34780.00000#betal0.9639890.002210436.18

9、680.00000#RobustStandardErrors:#EstimateStd.Errortvalue-Pr(t)#mu-0.0003060.0004300.711640.47669#omega0.0000050.0000250.189450.84974#alphal0.0269570.0312150.863590.38782#betal0.9639890.005525174.479640.00000#LogLikelihood:6477.686#InformationCriteria# # Akaike-4.8275# # Bayes-4.8187# # Shibata-4.8275

10、# # Hannan-Quinn -4.8243# # # Weighted Ljung-Box Test# # # # Lagl# Lag2*(p+q)+(p+q)-l2# Lag4*(p+q)+(p+q)-l5# d.o.f=0on Standardizedstatistic0.008321.482044.83395Residualsp-value 0.9273 0.3652 0.1668# #H0:Noserialcorrelationon Standardized Squared Residuals#statisticp-value#Lagl6.920.008522#Lag2*(p+q

11、)+(p+q)-l58.110.027672#Lag4*(p+q)+(p+q)-l9#d.o.f=211.590.022506#WeightedLjung-BoxTest#WeightedARCHLMTests#-#StatisticShapeScaleP-Value#ARCHLag30.29370.5002.0000.5878#ARCHLag52.03341.4401.6670.4639#ARCHLag75.60102.3151.5430.1704#Nyblomstabilitytest#JointStatistic:4.4761#IndividualStatistics:# #mu0.32

12、021# #omega0.76021# #alphal0.09171# #betal0.23634# # #AsymptoticCriticalValues(10%5%1%)# #JointStatistic:1.071.241.6# #IndividualStatistic:0.350.470.75# # #SignBiasTest# # #t-valueprobsig# #SignBias2.02860.04260*# #NegativeSignBias2.53880.01118*# #PositiveSignBias0.29350.76914# #JointEffect6.99890.07193*# # # #AdjustedPearsonGoodness-of-FitTest:# #groupstatisticp-value(g-l)#120105.74.951e-14#230216.21.590e-30#340284.3

展开阅读全文
相关资源
猜你喜欢
相关搜索

当前位置:首页 > IT计算机 > 数据结构与算法

copyright@ 2008-2023 yzwku网站版权所有

经营许可证编号:宁ICP备2022001189号-2

本站为文档C2C交易模式,即用户上传的文档直接被用户下载,本站只是中间服务平台,本站所有文档下载所得的收益归上传人(含作者)所有。装配图网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对上载内容本身不做任何修改或编辑。若文档所含内容侵犯了您的版权或隐私,请立即通知装配图网,我们立即给予删除!