tag 标签: 金融时间序列经管大学堂：名校名师名课

相关帖子

 版块 作者 回复/查看 最后发表
【金融】小波分析在金融领域中的应用 论文版 18336005776 2025-7-29 0 336 18336005776 2025-7-29 08:30:28
蔡瑞胸金融时间序列第三版课后答案 attach_img 计量经济学与统计软件 hylnwoau 2019-3-17 25 10671 zada12 2024-4-2 23:22:49
各位大佬，急求ARFIMA-Realized EGARCH 和Realized EGARCH代码！！ 灌水吧 白树数 2022-8-28 2 642 18650347648 2024-2-13 13:59:27
【全网最清晰和带目录】金融时间序列分析 第3版中文，[美] Ruey S. Tsay 著，王远林， attach_img 计量经济学与统计软件 嘉哥丶有点忙 2018-5-2 49 31033 lgm789 2023-10-8 19:38:45
金融时间序列分析（第三版）中文 attachment 金融工程（数量金融）与金融衍生品 cyj15705302329 2022-7-15 6 1401 三江鸿 2022-10-3 13:35:40
悬赏 请问各位大佬用Eviews做GARCH模型mean equation填什么？填rt c 还是rt rt（-1） - [!reward_solved!] EViews专版 cute宝贝 2021-2-5 4 1584 cute宝贝 2021-2-15 13:50:01
关于 金融时间序列 里 Barra模型的问题 金融学（理论版） 不吃喵的鱼ぃ 2017-3-20 3 2817 18922075448 2020-12-17 14:32:33
在用R语言中urgarch软件包拟合EGARCH模型，但不清楚各参数对应模型中的什么，望求解 attach_img R语言论坛 Say_┉ 2016-7-17 18 9544 宁柠凝 2020-5-26 15:05:16
关于时间序列分析中条件异方差的问题 attach_img 计量经济学与统计软件 不得闲落 2019-12-5 4 1496 statax 2019-12-7 21:13:05
基于支持向量机方法的金融时间序列研究 人工智能论文版 AIworld 2018-1-16 0 592 AIworld 2018-1-16 17:20:00
金融时间序列预测中的神经网络方法 人工智能论文版 论文库 2018-1-11 0 809 论文库 2018-1-11 04:20:02
金融时间序列计量经济学模型下载（特伦斯·C·米尔斯） attach_img EViews专版 胖胖小龟宝 2014-6-12 4 3698 michaeljija 2015-1-22 00:05:40
免费分享：《金融时间序列分析》讲义 attachment 文献求助专区 cbcbcbjc 2009-12-7 2 1458 风雪笑笑 2009-12-7 22:53:34
更多...

相关日志

分享 MATLAB金融时间序列工具箱
accumulation 2014-12-25 23:57
http://blog.sina.com.cn/s/blog_6c640c7901016zv2.html 1.学计量经济学源于对数学感兴趣，也源于对一些未知的东西进行预测，比如股市，而中国股市在2005年已经达到了弱式有效（本人通过谱分布检验股市收益率是否为鞅过程得到的结论），再运用模型进行预测好比预测彩票，于是学习计量更多的是数学的因素，而非应用的驱使。不再迷信小波分析、神经网络、ARIMA等一些线性的非线性的预测模型，逐渐的转向对宏观经济学的学习中去，同时，也渐渐的喜欢上了经济史，因为每一部历史都是事物相互作用的结果，去研究这个世界发展的规律，这才是走好经济学的根本，而不是计量经济学。 2.重申我的格言“计量仅仅是工具，代替不了思考” 3.注重思考，阅读一本书能吸收20%已较为不错了，不要往脑袋里装书，即使将一本书搬进脑袋，充其量也就一本书的价值，几十块钱罢了! 4.入门很难，真的很难，想起当年做一个东西时，没师傅指导，从零开始，没有休息，做不出来，躺地上，绝望，哭，站起来，继续……，最终解决。于是，总结出来，入门很难，只要能挺过来，你就算成功了！ Matlatb金融时间序列工具箱（Financial Time Series Toolbox） 建立金融时间序列 金融时间序列是一个结构变量，有五个属性：描述（description）、频率（frequency）、日期（dates）、显示（display）和至少一个数据列向量名（dataname），前三个属性的名字是固定的，分别为desc、freq和dates，时间序列的名字用户可以自行规定，如不更改的话，matlab默认为series1、series2、……、seriesN。 一、利用函数fints来创建金触时间序列对象 根据输入参数的类型，可分为五种形式： （1）简单的矩阵输入 格式：ftsdata=fints(dates_data) 输入：dates_data是一个矩阵，第一列是时间，从第二列开始是时间序列的样本数据。 （2）向量输入 格式：ftsdata=fints(dates，data) 输入：dates是时间列向量，或者是元包列（非数据型，即文本型日期）； data是时间序列的样本数据。 （3）自定义时间序列名 格式：ftsdata=fints(dates，data，dataNames) 输入：dates是时间列向量，或者是元包列（非数据型，即文本型日期）； data是时间序列的样本数据，dataNames是变量名，如果是多个，应该用元包｛’name1’,’name2’,……,’nameN’｝的形式输入。 （4）输入频率 格式：ftsdata=fints(dates，data，datanames，freq) 输入：dates是时间列向量，或者是元包列（非数据型，即文本型日期）； data是时间序列的样本数据。Freq有固定的格式： 1.UNKNOWN，Unknown ，unknown，U，u 2.DAILY，Daily，daily，D，d，1 3.WEEKLY，Weekly ，weekly，W，w，2 4.MONTHLY，Monthly，monthly，M，m，3 5.QUARTERLY，Quarterly， quarterly，Q，q，4 6.SEMIANNUAL，Semiannual，semiannual，S，s，5 7.ANNUAL，Annual，annua，A，a，6 5.输入变量描述 格式：ftsdata=fints(dates，data，datanames，freq，desc) 输入：dates是时间列向量，或者是元包列（非数据型，即文本型日期）； data是时间序列的样本数据。Desc的形式是单个的字符型变量。 注意：1.第一种矩阵输入的方式，日期必须是数值型，其余的四种日期可以是数值型也可以是字符型。 2.所有的数据输入必须放在矩阵里，不能一个一个输入。 3.变量名由于是字符型，所有要用到元包。 4.描述性变量是单变量的字符型。 例子 创建日度数据（frequency=daily），变量名分别为data1、data2，描述字段为“实验数据”（desc=‘实验数据’）. 5. datanames的列要与时间序列的个数即data的列相同。 例子，创建二元时间序列，第一个变量命名为data1，第二个变量命名为data2，数据的频率是日度数据，并给时间序列描述为“实验数据” 输入以下代码： ftsdata=fints(dates, ,{'data1','data2'},1,'实验数据'); 查看其第一行数据： ftsdata(1) 则显示： desc: 实验数据 freq: Daily (1) 'dates: (1)' 'data1: (1)' 'data2: (1)' '03-Apr-1991' 二、文本文件的转换方式（ascii2fts）（略） 三、调用金触时间序列对象（假设已经创建二维时间序列ftsdata） （1）查看整个时间序列对象 在命令窗口中输入时间序列对象的名字即可 （2）查看部分行数据 跟查看矩阵的元素一样，查看第一行，就输入ftsdata（1） （3）查看时间序列中的时间变量 法一：对象名.变量名 如 ftsdata.dates1 year(ftsdata.dates1) %查看时间序列的日期中的年份 month(ftsdata.dates1) %查看时间序列的日期中的月份 day(ftsdata.dates1) %查看时间序列的日期中的天 法二：ftse = extfiield(tsobj，fieldnames) 输入参数： tsobj：对象名称 fieldnames：变量名称 例 ftse = extfiield(ftsdata，‘data1’) 其效果与ftsdata.data1相同。 （4）用时间标签提取数据 格式：newtsobj= tsobj（时间标签/整数标签） 1.时间标签引用： 时间标签的格式可以是文本格式，也可以是数值型的时间序列，可以是单个的也可以是多个的。 如： ftsdata（‘3/4/2008’） ftsdata（{‘3/4/2008’, ‘10/4/2008’}） 如果是连续日期则用双冒号隔开： ftsdata（{‘3/4/2008’ ：：‘10/4/2008’}） 这种引用方式，如果时间区间内有一个时间不在时间序列的中，则会提示出错。 2.整数标签引用： 整数标签引用与引用向量的元素一样。 演示生成金融时间序列数据 %% 生成一列时间序列 format short g %设置数据精度 load szchengzhi.mat dates=datenum(textdata); %将字符型日期转化为数值型 ftsdata=fints( ); ftsdata.series1 ftsdata.dates %查看时间序列的日期 year(ftsdata.dates) %查看时间序列的日期中的年份 month(ftsdata.dates) %查看时间序列的日期中的月份 day(ftsdata.dates) %查看时间序列的日期中的天 %% 生成多列时间序列，以两列为例 x = randn(5341,1);y = filter( ,1,x); %生成一个ma（2）过程ftsdata=fints( );%生成两个时间序列，默认命名series1、series2 ftsdata %查看整个时间序列 ftsdata.series1 %查看时间序列1 ftsdata.series2 %查看时间序列2 ftsdata(1) %查看第1行时间序列 ftsdata=fints(dates, ,{'data1','data2'},1,'实验数据') 四、金融时间序列的使用和修改 （1）查看金融时间序列的属性 fnames=fieldnames（tsobj，srsnameonly） 显示金融时间序列的五个属性，由于'desc'、 'freq'、 'dates'，描述性属性、频率属性和日期属性是不能自命名的，fnames的前三个变量分别是上述三个，接下来就是变量的名字了，以列数组的形式储存在fnames中。 Srsnameonly默认为0，表示列出所有属性，为1表示只列出变量名。 例 fnames = fieldnames(ftsdata) fnames = 'desc' 'freq' 'dates' 'data1' 'data2' 例 fnames = fieldnames(ftsdata,1) fnames = 'data1' 'data2' （2）时间序列重命名 Newfts = chfield（oldfts，oldname，newname） 输入参数意义： Oldfts：时间序列结构变量名 Oldname：时间序列中变量名称 Newname：时间序列中变量的新名称 例 对时间序列对象ftsdata中的变量data2命名为series2，新的时间序列对象命名Newfts Newfts = chfield(ftsdata, ‘data2’, ‘series2’) 注意：字符型的输入都要加单引号’’，包括其他函数。 （3）对时间序列进行排序 Sfts = Sortfts(tsobj，seriesnames，flag) 输入参数为： tsobj ：时间序列对象 seriesnames：排序的变量名（字符型），即按哪一个变量进行排序，若不输入，则默认按第一个变量排序。 flag：排序方式（升序or降序），flag=1（默认），升序；flag=0，降序。 例子 Sfts1 = sortfts(ftsdata) Sfts2 = sortfts(ftsdata,’data2’) Sfts3 = sortfts(ftsdata,’data2’,-1) Sfts4 = sortfts(ftsdata,-1) （4）时间序列起始时间点 Datesbound=ftsbound(tsobj) （5）删除时间序列的一列数据 Newobj = rmfield(oldtsobj,’fields’) 输入参数：fields是时间序列的名字，可以是单个也可以是多个，多个时是字符型数组。 例 ftsdata=fints(dates, ,{'data1','data2','data3',},1,'实验数据') 删除data1 Nodata1=rmfield(ftsdata,’data1’); 删除data1和data2 Nodata2==rmfield(ftsdata,{'data1','data2'}); 五.时间序列转化为矩阵数据、文本文件 （1）转化为矩阵 格式：data=fts2mat(ftsobj，IncludeDates，seriesnames) 输入参数： fts2mat将时间对象ftsobj中的全部或部分时间序列转化为矩阵。 IncludeDates：是否将日期导出。 IncludeDates=0,或不输入，默认只对时间序列转化，不转化时间。IncludeDates=1，则把时间和时间序列数据转化在一个矩阵中。 Seriesnames：需要导出的时间序列名称，如果不输入默认为全部时间序列。 注意：1.第一个参数必须有，第二和第三个参数如果不输入，则取默认。 2.由于时间序列对象的引用后也是时间序列对象，因此，ftsobj 可以直接是引用后的时间对象，比如fts2mat (ftsdata.data1); （2）转化为文本文件 格式： Stat=fts2ascii(filename,tsobj,exttext) Stat= fts2ascii(filename,dates,data,colheads,desc,exttext) 输入参数： Filename:ASCII文件名称 Tsobj:需要转换的fints型格式的金融时间序列数据 Exttext:不需要的描述项的行数 Dates:包含日起的列向量，日期格式必须是序数型 Data:列转置矩阵，每一列是一个数据序列 Dcolheads:列标题的单元数组，第一个单元列一定是日期列 Desc:描述性字符串，是文件的第一行 输出：stat:转换成功标志，成功为1，否则为0. 例 fints1 = fts2ascii(‘aa.txt’,ftsdata) 六、时间序列的缺失值补齐 格式：fillts(oldfts,fill_method，‘增加新日期’) fill_method：处理缺失值的方法，常用的有以下五种。 1.线性插值方法 ‘linear’、‘l’、‘le’ 2.3次多项式插值‘cubic’、‘c’、‘ce’ 3.样条插值‘spline’、‘s’、‘se’ 4.最近插值法‘nearest‘、‘n’、‘ne‘ 5.逐段光滑的三次Hemite多项式法‘pchip‘、‘p’、‘pe’ 6. 常数插值。用固定的常数代替缺失值。 7. ‘增加新日期’表示增加时间序列的长度，增加一个日期。以后探索。 七、时间序列频率的转换 格式：newfts=convertto(oldfts,newfreq) 八、价格与收益率相互转换 （1）价格转化为收益率 格式 =price2ret(TickSeries,TickTimes,Method) 输入参数 TickSeries：价格列向量或矩阵，如果是矩阵的话，则每一列是一个时间序列。 TickTimes：单调递增的时间向量，长度与价格序列长度一致，如果不输入，或者为‘ 时，默认为连续复利的形式。输入‘periodic’表示单利。 输出： RetSeries：资产收益率矩阵，行数比价格矩阵少一行 RetIntervals：相邻的时间差。RetIntervals（i）=TickTimes（i+1）-TickTime（i） 注： Method=‘continuous’时，第i期的收益率计算公式如下： RetSeries（i）=log / RetIntervals（i）. Method=‘periodic’时, 第i期的收益率计算公式如下： RetSeries（i）= / RetIntervals（i）. 如果没有后面两个参数，则直接公式log 计算。 （2）收益率转化为价格 格式： =ret2price(RetSeries,StartPrice,,retinterval,starttime,method) 输入参数： Retseries：收益率数据列向量/矩阵 StartPrice：资产的初试价格向量，元素个数为收益率矩阵的列数。默认值为1. Retinterval：时间区间，默认值为1 Starttime：初试时间，标量，默认值为0 Method：与（1）相同。 输出： TickSeries：资产价格矩阵 Starttime：时间向量。
个人分类: 金融学|0 个评论
更多...

京ICP备16021002号-2 京B2-20170662号 京公网安备 11010802022788号 论坛法律顾问：王进律师 知识产权保护声明   免责及隐私声明

GMT+8, 2025-12-26 04:53