Python金融时间序列模子ARIMA 和GARCH 在股票市场揣测利用|附代码数据

2天前 (03-21 11:43)阅读1回复0
kanwenda
kanwenda
  • 管理员
  • 注册排名1
  • 经验值190475
  • 级别管理员
  • 主题38095
  • 回复0
楼主

原文链接:

比来我们被客户要求撰写关于股票市场揣测的研究陈述,包罗一些图形和统计输出。

那篇文章讨论了自回回综合挪动均匀模子 (ARIMA) 和自回回前提异方差模子 (GARCH) 及其在股票市场揣测中的利用

介绍

一个 ARMA (AutoRegressive-Moving Average)") 有两部门,AR(p)部门和MA(q)部门,表达如下

Python金融时间序列模子ARIMA 和GARCH 在股票市场预测应用|附代码数据

Python金融时间序列模子ARIMA 和GARCH 在股票市场预测应用|附代码数据

此中 L 是滞后算子,ϵi 是白噪声。它能够通过 Box-Jenkins method. 我们可能会利用 PACF 绘造识别 AR 滞后阶数 p,和 ACF 图以识别 MA 滞后阶数 q;或利用信息,例如 AIC 和 BIC 做模子抉择。

ARIMA (AutoRegressive Integrated Moving Average)") 是 ARMA 的拓展,通过为非平稳过程添加阶数为 d 的积分部门。

展开全文

ARIMA是针对价格程度或收益率的,而GARCH(广义自回回前提异方差)则试图对颠簸率或收益率平方的聚类停止建模。它将ARMA项扩展到方差方面。

Python金融时间序列模子ARIMA 和GARCH 在股票市场预测应用|附代码数据

Python金融时间序列模子ARIMA 和GARCH 在股票市场预测应用|附代码数据

做为随机颠簸率模子的离散版本,GARCH也能捕获到股票市场的厚尾效应。因而,将ARIMA和GARCH连系起来,估量在模仿股票价格时比零丁一个模子更合适。在那篇文章中,我们将把它们利用于标普500指数的价格。

ARIMA

起首,寡所周知,股票价格不是平稳的;而收益可能是平稳的。ADF单元根查验成果。

# 价格是已知的非平稳的;收益是平稳的

import adfuller

rsut = aduler(close)

prnt(f'ADF Satitic: {reslt[]}, pale: {rslt1]}') # null 假设:单元根存在;不克不及回绝 null。

relt = adfler(histet)

prnt(f'ADF Statistic: {reut[0]}, pvaue: {rslt[1]}') # 回绝单元根的空假设 == 平稳

收益序列的 ADF p 值为 0,回绝单元根的原假设。因而,我们在 ARIMA(p, d, q) 中承受 d=1,下一步是识别滞后 p 和 q。ACF 和 PACF 图表白滞后最多 35 个工做日。假设我们根据图表停止拟合,将有太多参数无法拟合。一种处理计划是利用每周或每月图表。在那里,我们将更大滞后时间限造为 5 天,并利用 AIC 抉择更佳模子。

Python金融时间序列模子ARIMA 和GARCH 在股票市场预测应用|附代码数据

for p in rage(6):

for q in rage(6):

ry:

mft = fit(disp=0)

ic[(p, q)] = fiaic

except:

pass

下一步是拟合模子并通过残差统计评估模子拟合。残差仍然展现出一些自相关,而且没有通过正态性查验。因为滞后阶数限造,那在某种水平上是意料之中的。

虽然如斯,让我们陆续最初一步并利用模子停止揣测。下面比力了对测试集的收益率揣测和现实收益率。

Python金融时间序列模子ARIMA 和GARCH 在股票市场预测应用|附代码数据

收益率揣测以 0% 为中心,置信区间在 ±2% 之间。成果并非特殊令人印象深入。事实,市场正在履历一个动乱的阶段,在揣测时间窗口内以至下跌了 6%。

点击题目查阅往期内容

Python金融时间序列模子ARIMA 和GARCH 在股票市场预测应用|附代码数据

R语言ARIMA-GARCH颠簸率模子揣测股票市场苹果公司日收益率时间序列

Python金融时间序列模子ARIMA 和GARCH 在股票市场预测应用|附代码数据

摆布滑动查看更多

Python金融时间序列模子ARIMA 和GARCH 在股票市场预测应用|附代码数据

01

Python金融时间序列模子ARIMA 和GARCH 在股票市场预测应用|附代码数据

02

Python金融时间序列模子ARIMA 和GARCH 在股票市场预测应用|附代码数据

03

Python金融时间序列模子ARIMA 和GARCH 在股票市场预测应用|附代码数据

04

Python金融时间序列模子ARIMA 和GARCH 在股票市场预测应用|附代码数据

GARCH

让我们看看加进GARCH效果能否会产生更好的成果。建模过程类似于ARIMA:起首识别滞后阶数;然后拟合模子并评估残差,最初假设模子令人称心,就用它来揣测。

我们将 AR 滞后和 GARCH 滞后都限造为小于 5。成果更优阶为 (4,2,2)。

for l in rage(5):

for p in rage(1, 5):

for q in rage(1, 5):

try:

mdl = arch(is_et, man='ARX', vol='Garch', p=p, o=0, q=q, dist='Nomal')

fit(last_obs=spldat)

dc_ic[(l, p, q)] =aic

except:

pass

接下来让我们根据抉择的更佳参数来拟合模子,如下所示。证明了均值模子是AR(4),方差模子是GARCH(2, 2)。一些系数在统计上不显着。

Python金融时间序列模子ARIMA 和GARCH 在股票市场预测应用|附代码数据

最初但并不是最不重要的是,揣测区间从±4%下降到±3%,然后又反弹到±5%,那清晰地表白了模子的颠簸性集群。请重视,那里是单步滚动揣测,应该比静态的多期揣测要好。

Python金融时间序列模子ARIMA 和GARCH 在股票市场预测应用|附代码数据

趋向平稳和差分平稳

趋向平稳,即确定性趋向,具有确定性均值趋向。相反,差分平稳具有随机趋向。前者能够用OLS估量,后者需要先求差分。

考虑一个简单的过程

Python金融时间序列模子ARIMA 和GARCH 在股票市场预测应用|附代码数据

假设 φ1,则过程是趋向平稳的;也就是说,假设我们减往趋向 at,则过程变得平稳。若φ=1,则差分平稳。将第二个方程代进第一个方程很随便看出随机性,并将方程改写为

Python金融时间序列模子ARIMA 和GARCH 在股票市场预测应用|附代码数据

Python金融时间序列模子ARIMA 和GARCH 在股票市场预测应用|附代码数据

点击文末 “阅读原文”

获取全文完全材料。

本文选自《Python金融时间序列模子ARIMA 和GARCH 在股票市场揣测利用》。

点击题目查阅往期内容

金融时间序列模子ARIMA 和GARCH 在股票市场揣测利用

时间序列阐发模子:ARIMA-ARCH / GARCH模子阐发股票价格

R语言ARIMA-GARCH颠簸率模子揣测股票市场苹果公司日收益率时间序列

R语言中的时间序列阐发模子:ARIMA-ARCH / GARCH模子阐发股票价格

R语言多元Copula GARCH 模子时间序列揣测

python中的copula:Frank、Clayton和Gumbel copula模子估量与可视化

R语言中的copula GARCH模子拟应时间序列并模仿阐发

matlab利用Copula仿实优化市场风险数据VaR阐发

R语言多元Copula GARCH 模子时间序列揣测

R语言Copula函数股市相关性建模:模仿Random Walk(随机游走)

R语言实现 Copula 算法建模依靠性案例阐发陈述

R语言ARMA-GARCH-COPULA模子和金融时间序列案例

R语言基于copula的贝叶斯分层混合模子的诊断准确性研究

R语言COPULA和金融时间序列案例

matlab利用Copula仿实优化市场风险数据VaR阐发

matlab利用Copula仿实优化市场风险

R语言多元CopulaGARCH模子时间序列揣测

R语言Copula的贝叶斯非参数MCMC估量

R语言COPULAS和金融时间序列R语言乘法GARCH模子对高频交易数据停止颠簸性揣测

R语言GARCH-DCC模子和DCC(MVT)建模估量

Python利用GARCH,EGARCH,GJR-GARCH模子和蒙特卡洛模仿停止股价揣测

R语言时间序列GARCH模子阐发股市颠簸率

R语言ARMA-EGARCH模子、集成揣测算法对SPX现实颠簸率停止揣测

matlab实现MCMC的马尔可夫转换ARMA - GARCH模子估量

Python利用GARCH,EGARCH,GJR-GARCH模子和蒙特卡洛模仿停止股价揣测

利用R语言对S&P500股票指数停止ARIMA + GARCH交易战略

R语言用多元ARMA,GARCH ,EWMA, ETS,随机颠簸率SV模子对金融时间序列数据建模

R语言股票市场指数:ARMA-GARCH模子和对数收益率数据探痛快阐发

R语言多元Copula GARCH 模子时间序列揣测

R语言利用多元AR-GARCH模子权衡市场风险

R语言中的时间序列阐发模子:ARIMA-ARCH / GARCH模子阐发股票价格

R语言用Garch模子和回回模子对股票价格阐发

GARCH(1,1),MA以及汗青模仿法的VaR比力

matlab估量arma garch 前提均值和方差模子

R语言ARMA-GARCH-COPULA模子和金融时间序列案例

0
回帖

Python金融时间序列模子ARIMA 和GARCH 在股票市场揣测利用|附代码数据 期待您的回复!

取消
载入表情清单……
载入颜色清单……
插入网络图片

取消确定

图片上传中
编辑器信息
提示信息