社区
下载资源悬赏专区
帖子详情
AR模型参数估计在股票预测中的应用下载
weixin_39820835
2019-09-06 08:30:13
针对股票市场中 AR 模型的识别、建立和估计问题,利用 AR 模型算法对股票 价格进行预测。选取浦发银行和东风汽车股票数据,发行时间为 2013 年 5 月 6 日 2014 年 4 月 3 日,取开盘价作为样本预测数据。所有股票数据来源于大智慧 365.股市通软件,利用PYTHON实现
相关下载链接:
//download.csdn.net/download/taishanzhi0524/7581525?utm_source=bbsseo
...全文
28
回复
打赏
收藏
AR模型参数估计在股票预测中的应用下载
针对股票市场中 AR 模型的识别、建立和估计问题,利用 AR 模型算法对股票 价格进行预测。选取浦发银行和东风汽车股票数据,发行时间为 2013 年 5 月 6 日 2014 年 4 月 3 日,取开盘价作为样本预测数据。所有股票数据来源于大智慧 365.股市通软件,利用PYTHON实现 相关下载链接://download.csdn.net/download/taishanzhi0524/7581525?utm_source=bbsseo
复制链接
扫一扫
分享
转发到动态
举报
写回复
配置赞助广告
用AI写文章
回复
切换为时间正序
请发表友善的回复…
发表回复
打赏红包
AR
模型
参数估计
在
股票预测
中
的
应用
针对股票市场
中
AR
模型
的识别、建立和估计问题,利用
AR
模型
算法对股票 价格进行预测。选取浦发银行和东风汽车股票数据,发行时间为 2013 年 5 月 6 日 2014 年 4 月 3 日,取开盘价作为样本预测数据。所有股票数据来源于大智慧 365.股市通软件,利用PYTHON实现
时间序列分析的工程
应用
_2007(下册)
本书分为上、下两册,共四部分:第一部分是时序分析工程
应用
的基础理论,包括时序分析与系统辨识、系统分析间的关系,
AR
MA
模型
的工程意义,
AR
MA
模型
的时域和频域特性,离散
模型
与连续
模型
的转移;第二部分是时序分析工程
应用
的基本技术,主要包括
AR
模型
、
AR
MA
模型
的建模方法;第三部分是时序分析工程
应用
的各个专题,包括最佳预测与控制,模态
参数估计
,模式识别与故障诊断,表面形貌分析;第四部分是时序分析工程
应用
的进一步扩展内容,包括多元时序的
AR
MAV
模型
,非平稳时序的各种
模型
,非线性时序
模型
中
的门限自回归
模型
和双线性
模型
,非高斯时序的各种
模型
,时间序列的状态
模型
以及这些
模型
的工程
应用
。 本书与工程
应用
紧密联系,取材主要来自作者与国内其他学者们的研究工作。本书可作为工程学科硕士生教材,还可作为其他有关专业本科生、研究生、教师及工程技术人员与科学研究人员的参考书。
基于隐蔽马尔科夫
模型
的时序分析方法
解密复兴科技-基于隐蔽马尔科夫
模型
的时序分析方法。从介绍复兴科技公司着手,深入介绍了HMM
模型
参数估计
、预测与解码问题、隐蔽状态的估计问题、
模型
选择和
模型
检验、序列不相关和自相关的马尔科夫状态转换
模型
,以及MS-
AR
模型
的估计方法等问题,并给出了将HMM
模型
应用
于宏观经济分析和股市波动分析的实例。
金融时间序列分析(
中
文第3版)Ruey S. Tray 清晰带书签
1 金融时间序列及其特征 1 1.1 资产收益率 2 1.2 收益率的分布性质 6 1.2.1 统计分布及其矩的回顾 6 1.2.2 收益率的分布 13 1.2.3 多元收益率 16 1.2.4 收益率的似然函数 17 1.2.5 收益率的经验性质 17 1.3 其他过程 19 附录R 程序包 21 练习题 23 参考文献 24 2 线性时间序列分析及其
应用
25 2.1 平稳性 25 2.2 相关系数和自相关函数 26 2.3 白噪声和线性时间序列 31 2.4 简单的自回归
模型
32 2.4.1
AR
模型
的性质 33 2.4.2 实际
中
怎样识别
AR
模型
40 2.4.3 拟合优度 46 2.4.4 预测 47 2.5 简单滑动平均
模型
50 2.5.1 MA
模型
的性质 51 2.5.2 识别MA的阶 52 2.5.3 估计 53 2.5.4 用MA
模型
预测 54 2.6 简单的
AR
MA
模型
55 2.6.1
AR
MA(1,1)
模型
的性质 56 2.6.2 一般的
AR
MA
模型
57 2.6.3 识别
AR
MA
模型
58 2.6.4 用
AR
MA
模型
进行预测 60 2.6.5
AR
MA
模型
的三种表示 60 2.7 单位根非平稳性 62 2.7.1 随机游动 62 2.7.2 带漂移的随机游动 64 2.7.3 带趋势项的时间序列 65 2.7.4 一般的单位根非平稳
模型
66 2.7.5 单位根检验 66 2.8 季节
模型
71 2.8.1 季节性差分化 72 2.8.2 多重季节性
模型
73 2.9 带时间序列误差的回归
模型
78 2.10 协方差矩阵的相合估计 85 2.11 长记忆
模型
88 附录 一些SCA的命令 90 练习题 90 参考文献 92 3 条件异方差
模型
94 3.1 波动率的特征 95 3.2
模型
的结构 95 3.3 建模 97 3.4
AR
CH
模型
99 3.4.1
AR
CH
模型
的性质 100 3.4.2
AR
CH
模型
的缺点 102 3.4.3
AR
CH
模型
的建立 102 3.4.4 一些例子 106 3.5 G
AR
CH
模型
113 3.5.1 实例说明 115 3.5.2 预测的评估 120 3.5.3 两步估计方法 121 3.6 求和G
AR
CH
模型
121 3.7 G
AR
CH-M
模型
122 3.8 指数G
AR
CH
模型
123 3.8.1
模型
的另一种形式 125 3.8.2 实例说明 125 3.8.3 另一个例子 126 3.8.4 用EG
AR
CH
模型
进行预测 128 3.9 门限G
AR
CH
模型
129 3.10 CH
AR
MA
模型
130 3.11 随机系数的自回归
模型
132 3.12 随机波动率
模型
133 3.13 长记忆随机波动率
模型
133 3.14
应用
135 3.15 其他方法 138 3.15.1 高频数据的
应用
138 3.15.2 日开盘价、最高价、最低价和收盘价的
应用
141 3.16 G
AR
CH
模型
的峰度 143 附录 波动率
模型
估计
中
的一些RATS程序 144 练习题 146 参考文献 148 4 非线性
模型
及其
应用
151 4.1 非线性
模型
152 4.1.1 双线性
模型
153 4.1.2 门限自回归
模型
154 4.1.3 平滑转移
AR
(ST
AR
)
模型
158 4.1.4 马尔可夫转换
模型
160 4.1.5 非参数方法 162 4.1.6 函数系数
AR
模型
170 4.1.7 非线性可加
AR
模型
170 4.1.8 非线性状态空间
模型
171 4.1.9 神经网络 171 4.2 非线性检验 176 4.2.1 非参数检验 176 4.2.2 参数检验 179 4.2.3
应用
182 4.3 建模 183 4.4 预测 184 4.4.1 参数自助法 184 4.4.2 预测的评估 184 4.5
应用
186 附录A 一些关于非线性波动率
模型
的RATS程序 190 附录B 神经网络的S-Plus命令 191 练习题 191 参考文献 193 5 高频数据分析与市场微观结构 196 5.1 非同步交易 196 5.2 买卖报价差 200 5.3 交易数据的经验特征 201 5.4 价格变化
模型
207 5.4.1 顺序概率值
模型
207 5.4.2 分解
模型
210 5.5 持续期
模型
214 5.5.1 ACD
模型
216 5.5.2 模拟 218 5.5.3 估计 219 5.6 非线性持续期
模型
224 5.7 价格变化和持续期的二元
模型
225 5.8
应用
229 附录A 一些概率分布的回顾 234 附录B 危险率函数 237 附录C 对持续期
模型
的一些RATS程序 238 练习题 239 参考文献 241 6 连续时间
模型
及其
应用
243 6.1 期权 244 6.2 一些连续时间的随机过程 244 6.2.1 维纳过程 244 6.2.2 广义维纳过程 246 6.2.3 伊藤过程 247 6.3 伊藤引理 247 6.3.1 微分回顾 247 6.3.2 随机微分 248 6.3.3 一个
应用
249 6.3.4 1和·的估计 250 6.4 股票价格与对数收益率的分布 251 6.5 B-S微分方程的推导 253 6.6 B-S定价公式 254 6.6.1 风险
中
性世界 254 6.6.2 公式 255 6.6.3 欧式期权的下界 257 6.6.4 讨论 258 6.7 伊藤引理的扩展 261 6.8 随机积分 262 6.9 跳跃扩散
模型
263 6.10 连续时间
模型
的估计 269 附录A B-S公式积分 270 附录B 标准正态概率的近似 271 练习题 271 参考文献 272 7 极值理论、分位数估计与风险值 274 7.1 风险值 275 7.2 风险度量制 276 7.2.1 讨论 279 7.2.2 多个头寸 279 7.2.3 预期损失 280 7.3 V
aR
计算的计量经济方法 280 7.3.1 多个周期 283 7.3.2 在条件正态分布下的预期损失 285 7.4 分位数估计 285 7.4.1 分位数与次序统计量 285 7.4.2 分位数回归 287 7.5 极值理论 288 7.5.1 极值理论的回顾 288 7.5.2 经验估计 200 7.5.3 对股票收益率的
应用
293 7.6 V
aR
的极值方法 297 7.6.1 讨论 300 7.6.2 多期V
aR
301 7.6.3 收益率水平 302 7.7 基于极值理论的一个新方法 302 7.7.1 统计理论 303 7.7.2 超额均值函数 305 7.7.3 极值建模的一个新方法 306 7.7.4 基于新方法的V
aR
计算 308 7.7.5 参数化的其他方法 309 7.7.6 解释变量的使用 312 7.7.7
模型
检验 313 7.7.8 说明 314 7.8 极值指数 318 7.8.1 D(un)条件 319 7.8.2 极值指数的估计 321 7.8.3 平稳时间序列的风险值 323 练习题 324 参考文献 326 8 多元时间序列分析及其
应用
328 8.1 弱平稳与交叉{相关矩阵 328 8.1.1 交叉{相关矩阵 329 8.1.2 线性相依性 330 8.1.3 样本交叉{相关矩阵 831 8.1.4 多元混成检验 335 8.2 向量自回归
模型
336 8.2.1 简化形式和结构形式 337 8.2.2 V
AR
(1)
模型
的平稳性条件和矩 339 8.2.3 向量
AR
(p)
模型
340 8.2.4 建立一个V
AR
(p)
模型
342 8.2.5 脉冲响应函数 349 8.3 向量滑动平均
模型
354 8.4 向量
AR
MA
模型
357 8.5 单位根非平稳性与协整 362 8.6 协整V
AR
模型
366 8.6.1 确定性函数的具体化 368 8.6.2 最大似然估计 368 8.6.3 协整检验 369 8.6.4 协整V
AR
模型
的预测 370 8.6.5 例子 370 8.7 门限协整与套利 375 8.7.1 多元门限
模型
376 8.7.2 数据 377 8.7.3 估计 377 8.8 配对交易 379 8.8.1 理论框架 379 8.8.2 交易策略 380 8.8.3 简单例子 380 附录A 向量与矩阵的回顾 385 附录B 多元正态分布 389 附录C 一些SCA命令 390 练习题 391 参考文献 393 9 主成分分析和因子
模型
395 9.1 因子
模型
395 9.2 宏观经济因子
模型
397 9.2.1 单因子
模型
397 9.2.2 多因子
模型
401 9.3 基本面因子
模型
403 9.3.1 B
AR
RA因子
模型
403 9.3.2 Fama-French方法 408 9.4 主成分分析 408 9.4.1 PCA理论 408 9.4.2 经验的PCA 410 9.5 统计因子分析 413 9.5.1 估计 414 9.5.2 因子旋转 415 9.5.3
应用
416 9.6 渐近主成分分析 420 9.6.1 因子个数的选择 421 9.6.2 例子 422 练习题 424 参考文献 425 10 多元波动率
模型
及其
应用
426 10.1 指数加权估计 427 10.2 多元G
AR
CH
模型
429 10.2.1 对角VEC
模型
430 10.2.2 BEKK
模型
432 10.3 重新参数化 435 10.3.1 相关系数的
应用
435 10.3.2 Cholesky分解 436 10.4 二元收益率的G
AR
CH
模型
439 10.4.1 常相关
模型
439 10.4.2 时变相关
模型
442 10.4.3 动态相关
模型
446 10.5 更高维的波动率
模型
452 10.6 因子波动率
模型
457 10.7
应用
459 10.8 多元t分布 461 附录对估计的一些注释 462 练习题 466 参考文献 467 11 状态空间
模型
和卡尔曼滤波 469 11.1 局部趋势
模型
469 11.1.1 统计推断 472 11.1.2 卡尔曼滤波 473 11.1.3 预测误差的性质 475 11.1.4 状态平滑 476 11.1.5 缺失值 480 11.1.6 初始化效应 480 11.1.7 估计 481 11.1.8 所用的S-Plus命令 482 11.2 线性状态空间
模型
485 11.3
模型
转换 486 11.3.1 带时变系数的CAPM 487 11.3.2
AR
MA
模型
489 11.3.3 线性回归
模型
495 11.3.4 带
AR
MA误差的线性回归
模型
496 11.3.5 纯量不可观测项
模型
497 11.4 卡尔曼滤波和平滑 499 11.4.1 卡尔曼滤波 499 11.4.2 状态估计误差和预测误差 501 11.4.3 状态平滑 502 11.4.4 扰动平滑 504 11.5 缺失值 506 11.6 预测 507 11.7
应用
508 练习题 515 参考文献 516 12 马尔可夫链蒙特卡罗方法及其
应用
517 12.1 马尔可夫链模拟 517 12.2 Gibbs抽样 618 12.3 贝叶斯推断 520 12.3.1 后验分布 520 12.3.2 共轭先验分布 521 12.4 其他算法 524 12.4.1 Metropolis算法 524 12.4.2 Metropolis-Hasting算法 525 12.4.3 格子Gibbs抽样 525 12.5 带时间序列误差的线性回归 526 12.6 缺失值和异常值 530 12.6.1 缺失值 531 12.6.2 异常值的识别 532 12.7 随机波动率
模型
537 12.7.1 一元
模型
的估计 537 12.7.2 多元随机波动率
模型
542 12.8 估计随机波动率
模型
的新方法 549 12.9 马尔可夫转换
模型
656 12.10 预测 563 12.11 其他
应用
564 练习题 564 参考文献 565
时间序列分析及
应用
:R语言(原书第2版)
译者序 前言 第1章 引论 1.1 时间序列举例 1.2 建模策略 1.3 历史上的时间序列图 1.4 本书概述 习题 第2章 基本概念 2.1 时间序列与随机过程 2.2 均值、方差和协方差 2.3 平稳性 2.4 小结 习题 附录A 期望、方差、协方差和相关系数 第3章 趋势 3.1 确定性趋势与随机趋势 3.2 常数均值的估计 3.3 回归方法 3.4 回归估计的可靠性和有效性 3.5 回归结果的解释 3.6 残差分析 3.7 小结 习题 第4章 乎稳时间序列
模型
4.1 一般线性过程 4.2 滑动乎均过程 4.3 自回归过程 4.4 自回归滑动平均混合
模型
4.5 可逆性 4.6 小结 习题 附录B
AR
(2)过程的平稳域 附录C
AR
MA(p,g)
模型
的自相关函数 第5章 平稳时间序列
模型
5.1 通过差分平稳化 5.2
AR
IMA
模型
5.3
AR
IMA
模型
中
的常数项 5.4 其他变换 5.5 小结 习题 附录D 延迟算子 第6章
模型
识别 6.1 样本自相关函数的性质 6.2 偏白相关函数和扩展的自相关函数 6.3 对一些模拟的时间序列数据的识别 6.4 非平稳性 6.5 其他识别方法 6.6 一些真实时间序列的识别 6.7 小结 习题 第7章
参数估计
7.1 矩估计 7.2 最小二乘估计 7.3 极大似然与五条件最小二乘 7.4 估计的性质一 7.5
参数估计
例证 7.6 自助法估计
AR
IMA
模型
7.7 小结 习题 第8章
模型
诊断 8.1 残差分析 8.2 过度拟合和参数冗余 8.3 小结 习题 第9章 预测 9.1 最小均方误差预测 9.2 确定性趋势 9.3
AR
IMA预测 …… 第10章 季节
模型
第11章 时间序列回归
模型
第12章 异议差时间序列
模型
第13章 谱分析入门 第14章 谱估计 第15章 门限
模型
参考答案
下载资源悬赏专区
12,806
社区成员
12,340,778
社区内容
发帖
与我相关
我的任务
下载资源悬赏专区
CSDN 下载资源悬赏专区
复制链接
扫一扫
分享
社区描述
CSDN 下载资源悬赏专区
其他
技术论坛(原bbs)
社区管理员
加入社区
获取链接或二维码
近7日
近30日
至今
加载中
查看更多榜单
社区公告
暂无公告
试试用AI创作助手写篇文章吧
+ 用AI写文章