1. 多元GARCH預測
運用V aR模型對股票組合進行風險測度的關鍵之一是得到組合條件協方差矩陣.而經典的多元GARCH模型來求解波動率面臨著估計參數過多,計算量龐大的問題.因此,使用正交GARCH模型和CCC模型來估算波動率,並以滬深兩市A股市場上四個行業的65隻股票為樣本,使用RM SE和M AD指標比較這些模型的預測能力,求得股票組合的V aR,得出前者效率高和後者預測能力略高的結論.
在風險管理中,V aR技術已經得到了廣泛的運用.該技術能夠對風險進行量化測度,了解V aR的大小及其變化,不僅可以獲知自身所面臨的風險,還能夠通過積極調整資產配置來達到降低風險和提高收益的目的.而對於這些V aR模型而言,價格波動率和相關性的估計和預測是極其重要的.Bo llers
2. 有沒有會用Python編寫一個簡單的建模股票價格的小程序能夠對股票數據進行簡單預測即可！求助！
雖然懂python 但是不懂股票，
採用random()可以么，哈哈
3. 金融時間序列分析用R語言建立AR模型！
對R做平穩性檢驗，結果顯示，在5%的顯著性水平下接受拒絕原假設，表明不存在 ... 在建立計量經濟模型時，總要選擇統計性質優良的模型
對上證指數收益率序列AR（3）模型進行條件異方差的ARCHLM檢驗（滯後8階），結果給出
AR模型的參數估計 GARCH模型可以消除金融時間序列的ARCH效應，模擬和預測其波動性。
4. 什麼時候用回歸分析，什麼時候用時間序列
方法不同。回歸分析是研究變數之間的統計相關關系的一種統計方法。它從自變數和因變數的一組觀測數據出發，尋找一個函數式，將變數之間的統計相關關系近似地表達出來。這個能夠近似表達自變數與因變數之間關系的函數式。而時間序列更加偏向去有明顯的以時間為分割點，某個變數隨著時間的推移產生變化。近似於自變數與時間之間的關系。
5. arma模型，ar模型，ma模型有什麼本質上的區別
ar模型是建立當前值和歷史值之間的聯系，ma模型是計算ar部分的誤差的累計，arma是兩者的和。
6. 股票分析選用ar模型好還是ma模型好
直觀判斷：依據自相關圖與偏自相關圖，例如自相關圖是遞減（或震盪遞減）而偏自相關是某階後突變為零的，大體上就是AR 再者就是AIC准則咯，越小越好 沃爾特 恩德斯（Walter Enders) 應用計量經濟學——時間序列分析
7. 如何用AR模型預測時間序列
建立arima模型，然後點擊forecast
8. AR模型的介紹
AR模型是一種線性預測，即已知N個數據，可由模型推出第N點前面或後面的數據（設推出P點），所以其本質類似於插值，其目的都是為了增加有效數據，只是AR模型是由N點遞推，而插值是由兩點（或少數幾點）去推導多點，所以AR模型要比插值方法效果更好。
