Вопросы с тегом «garch»

В области экономики (я думаю) у нас есть ARIMA и GARCH для регулярно разнесенных временных рядов и Пуассон, Хоукс для моделирования точечных процессов, так как насчет попыток моделирования нерегулярно (неравномерно) разнесенных временных рядов - есть (по крайней мере) какие-либо общие практики ? (Если у вас есть знания в этой теме, …

45 time-series  garch  poisson-process  point-process  unevenly-spaced-time-series 

Я запутался. Я не понимаю разницы между процессом ARMA и GARCH .. для меня то же самое нет? Вот процесс (G) ARCH (p, q) σ2t=α0+∑i=1qαir2t−iARCH+∑i=1pβiσ2t−iGARCHσt2=α0+∑i=1qαirt−i2⏟ARCH+∑i=1pβiσt−i2⏟GARCH\sigma_t^2 = \underbrace{ \underbrace{ \alpha_0 + \sum_{i=1}^q \alpha_ir_{t-i}^2} _{ARCH} + \sum_{i=1}^p\beta_i\sigma_{t-i}^2} _{GARCH} А вот и ARMA ( ):p,qp,qp, q Xt=c+εt+∑i=1pφiXt−i+∑i=1qθiεt−i.Xt=c+εt+∑i=1pφiXt−i+∑i=1qθiεt−i. X_t = c + \varepsilon_t + …

42 arima  garch  finance 

Объясняя, почему некоррелированные не подразумевают независимость, есть несколько примеров, которые включают в себя группу случайных величин, но все они кажутся такими абстрактными: 1 2 3 4 . Этот ответ, кажется, имеет смысл. Моя интерпретация: случайная величина и ее квадрат могут быть некоррелированными (поскольку, очевидно, отсутствие корреляции является чем-то вроде линейной …

14 correlation  independence  non-independent  garch  intuition 

Я использую стандартную модель GARCH: rtσ2t=σtϵt=γ0+γ1r2t−1+δ1σ2t−1rt=σtϵtσt2=γ0+γ1rt−12+δ1σt−12\begin{align} r_t&=\sigma_t\epsilon_t\\ \sigma^2_t&=\gamma_0 + \gamma_1 r_{t-1}^2 + \delta_1 \sigma^2_{t-1} \end{align} У меня разные оценки коэффициентов, и мне нужно их интерпретировать. Поэтому меня интересует хорошая интерпретация, так что же представляют собой , γ 1 и δ 1 ?γ0γ0\gamma_0γ1γ1\gamma_1δ1δ1\delta_1 Я вижу, что является чем-то вроде постоянной части. …

14 interpretation  garch 

Я наткнулся на доказательство одного из свойств модели ARCH, которое гласит, что если E(X2t)&lt;∞E(Xt2)&lt;∞\mathbb{E}(X_t^2) < \infty , то {Xt}{Xt}\{X_t\} является стационарным тогда и только тогда, когда ∑pi=1bi&lt;1∑i=1pbi&lt;1\sum_{i=1}^pb_i < 1 где модель ARCH: Xt=σtϵtXt=σtϵtX_t = \sigma_t\epsilon_t σ2t=b0+b1X2t−1+...bpX2t−pσt2=b0+b1Xt−12+...bpXt−p2\sigma_t^2 = b_0 + b_1X_{t-1}^2 + ... b_pX_{t-p}^2 Основная идея доказательства состоит в том, чтобы …

13 mathematical-statistics  stationarity  garch 

Я занимался настройкой модели caret, но затем перезапустил модель, используя gbmпакет. Насколько я понимаю, caretпакет использует gbmи вывод должен быть одинаковым. Тем не менее, только быстрый запуск теста data(iris)показывает несоответствие в модели около 5% с использованием RMSE и R ^ 2 в качестве метрики оценки. Я хочу найти оптимальную производительность …

13 r  caret  gbm  matrix  linear-algebra  logistic  modeling  logit  ordered-logit  r  confidence-interval  survival  population  weibull  classification  separation  hypothesis-testing  correlation  statistical-significance  p-value  python  r  data-visualization  r  regression  multiple-regression  chi-squared  multivariate-analysis  distributions  random-variable  experiment-design  distributions  poisson-regression  residuals  excel  time-series  garch  var  survival  modeling  cox-model  interaction  r  pca  normality-assumption 

У меня очень большой набор данных и около 5% случайных значений отсутствуют. Эти переменные связаны друг с другом. В следующем примере набор данных R - просто игрушечный пример с фиктивными коррелированными данными. set.seed(123) # matrix of X variable xmat &lt;- matrix(sample(-1:1, 2000000, replace = TRUE), ncol = 10000) colnames(xmat) &lt;- …

12 r  random-forest  missing-data  data-imputation  multiple-imputation  large-data  definition  moving-window  self-study  categorical-data  econometrics  standard-error  regression-coefficients  normal-distribution  pdf  lognormal  regression  python  scikit-learn  interpolation  r  self-study  poisson-distribution  chi-squared  matlab  matrix  r  modeling  multinomial  mlogit  choice  monte-carlo  indicator-function  r  aic  garch  likelihood  r  regression  repeated-measures  simulation  multilevel-analysis  chi-squared  expected-value  multinomial  yates-correction  classification  regression  self-study  repeated-measures  references  residuals  confidence-interval  bootstrap  normality-assumption  resampling  entropy  cauchy  clustering  k-means  r  clustering  categorical-data  continuous-data  r  hypothesis-testing  nonparametric  probability  bayesian  pdf  distributions  exponential  repeated-measures  random-effects-model  non-independent  regression  error  regression-to-the-mean  correlation  group-differences  post-hoc  neural-networks  r  time-series  t-test  p-value  normalization  probability  moments  mgf  time-series  model  seasonality  r  anova  generalized-linear-model  proportion  percentage  nonparametric  ranks  weighted-regression  variogram  classification  neural-networks  fuzzy  variance  dimensionality-reduction  confidence-interval  proportion  z-test  r  self-study  pdf 

mgcvПакет Rимеет две функции для установки взаимодействия Тензор продукта: te()и ti(). Я понимаю основное разделение труда между ними (подгонка нелинейного взаимодействия против разложения этого взаимодействия на основные эффекты и взаимодействие). Чего я не понимаю, так это почему te(x1, x2)и ti(x1) + ti(x2) + ti(x1, x2)может дать (немного) разные результаты. MWE …

11 r  gam  mgcv  conditional-probability  mixed-model  references  bayesian  estimation  conditional-probability  machine-learning  optimization  gradient-descent  r  hypothesis-testing  wilcoxon-mann-whitney  time-series  bayesian  inference  change-point  time-series  anova  repeated-measures  statistical-significance  bayesian  contingency-tables  regression  prediction  quantiles  classification  auc  k-means  scikit-learn  regression  spatial  circular-statistics  t-test  effect-size  cohens-d  r  cross-validation  feature-selection  caret  machine-learning  modeling  python  optimization  frequentist  correlation  sample-size  normalization  group-differences  heteroscedasticity  independence  generalized-least-squares  lme4-nlme  references  mcmc  metropolis-hastings  optimization  r  logistic  feature-selection  separation  clustering  k-means  normal-distribution  gaussian-mixture  kullback-leibler  java  spark-mllib  data-visualization  categorical-data  barplot  hypothesis-testing  statistical-significance  chi-squared  type-i-and-ii-errors  pca  scikit-learn  conditional-expectation  statistical-significance  meta-analysis  intuition  r  time-series  multivariate-analysis  garch  machine-learning  classification  data-mining  missing-data  cart  regression  cross-validation  matrix-decomposition  categorical-data  repeated-measures  chi-squared  assumptions  contingency-tables  prediction  binary-data  trend  test-for-trend  matrix-inverse  anova  categorical-data  regression-coefficients  standard-error  r  distributions  exponential  interarrival-time  copula  log-likelihood  time-series  forecasting  prediction-interval  mean  standard-error  meta-analysis  meta-regression  network-meta-analysis  systematic-review  normal-distribution  multiple-regression  generalized-linear-model  poisson-distribution  poisson-regression  r  sas  cohens-kappa 

Я приспособил модель ARIMA (1,1,1) -GARCH (1,1) к временному ряду журнальных цен курса AUD / USD, выбранных с интервалом в одну минуту в течение нескольких лет, что дало мне более двух миллион точек данных, по которым можно оценить модель. Набор данных доступен здесь . Для ясности, это была модель ARMA-GARCH, …

10 time-series  arima  simulation  garch  finance 

Я аналитик в области финансов и страхования, и всякий раз, когда я пытаюсь соответствовать моделям волатильности, я получаю ужасные результаты: остатки часто нестационарны (в смысле единичного корня) и гетероскедастичны (поэтому модель не объясняет волатильность). Возможно, модели ARCH / GARCH работают с данными другого типа? Отредактировано 17/04/2015 15:07 для уточнения некоторых …

10 time-series  garch  volatility-forecasting  arch 

У меня есть некоторый опыт моделирования временных рядов, в виде простых моделей ARIMA и так далее. Теперь у меня есть некоторые данные, которые показывают кластеризацию волатильности, и я хотел бы попытаться начать с подгонки модели GARCH (1,1) к данным. У меня есть ряд данных и ряд переменных, которые, я думаю, …

10 r  regression  garch 

Я смотрю на чрезвычайно нелинейные данные, для которых модели ARMA / ARIMA не работают хорошо. Тем не менее, я вижу некоторую автокорреляцию, и я подозреваю, что будут иметь лучшие результаты для нелинейной автокорреляции. 1 / существует ли эквивалент PACF для ранговой корреляции? (в R?) 2 / существует ли эквивалент модели …

9 r  correlation  nonparametric  garch  arma