采用weibull分步法估计其90天周期95%置信水平下的VaR序列，并画出VaR时序图

选择5家上市商业银行的股票交易数据（最近3年），采用weibull分步法估计其90天周期95%置信水平下的VaR序列，并画出VaR时序图，计算每只股票最近三年内跌幅超过VaR预测阈值的次数，评价各银行的资产风险情况。


数据已经找到，代码已经算出了VAR，但是我不知道VaR序列和时序图怎么弄，求大神指教！

求不沉！

setwd("C:/Users/ll123/Desktop/R")
jsyh <- read.csv("建设银行.csv",head=T,stringsAsFactors = F)
jsyh$时间 <- as.Date(jsyh$时间)
n <- nrow(jsyh)
re <- log(jsyh$收盘价[2:n]/jsyh$收盘价[1:(n-1)])
par (mfrow = c(1,2))
plot(jsyh$时间,jsyh$收盘价,type='l',col='blue',xlab='日期',ylab='收盘价')
plot(jsyh$时间[2:n],re,type='l',col="red",xlab='日期',ylab='收益率')
redata <- exp(re)
lgwbull <- function (params)  {
  lambda <- params [1]
  k <- params [2]
  n <- length(redata)
  lgw <- 0
  for(i in 1:n) {
    lgw <- lgw + log((k/lambda) * ((redata [i] / lambda)^(k-1))*exp(-(redata [i] / lambda)^k))
    }
   return(lgw)  
}
xmle <- optim(c(1,1),lgwbull,method="BFGS",control=list(fnscale=-1))
lambda <- xmle$par[1]
k <- xmle$par[2]
alpha <- 0.05
dVaR <- log(qweibull(1-alpha,k,lambda))


这个接下来要怎么做呀

是全球某工商的同学吗

你好，请问你的问题解决了吗

kuppynn 发表于 2019-6-18 14:47
是全球某工商的同学吗

哈哈哈哈  是的

21年了，数据挖掘还是一样的题目，学长学姐代码还有吗

hy09 发表于 2021-5-25 19:42
21年了，数据挖掘还是一样的题目，学长学姐代码还有吗

同学找到办法了不？有路子可以分享一下吗