r语言garchcopulavar模型附代码数据.pdfVIP

r 语言 garch copula var 模型 附代码数据 # 数据处理思路 ## 1. 原始数据为 4 组时间序列； ## 读取软件包 library ( fGarch ) library ( quantmod ) library (ghyp) library (copula) ## 设置工作目录 ## 读取数据 data= read.csv ( Data.csv ) head (data) ## Pound Jpan Usd Eur ## 1 -0.016689192 -0.006422036 -0.004161304 0.001084608 ## 2 0.000000000 0.005993930 0.000000000 -0.034008741 ## 3 0.000000000 -0.006850273 0.008322209 -0.013969242 ## 4 0.012517495 0.010275005 0.000000000 -0.001120290 ## 5 0.012513888 -0.007277877 0.020798548 -0.011676878 ## 6 -0.008342191 0.002140679 0.012474350 0.007202157 data= na.omit (data) # 2. 对每组数据进行基本检验（自回归，异方差，自相关，稳定性，正态性）然后进行 G ARCH(1,1) 建模，得到四个边缘分布； ## 自编函数进行基本检验 testfun=function(yield){ ## 绘制时序图 ts.plot (yield) ## 基本统计量 summary (yield) sd (yield) var (yield) ## /* 偏度、峰度 */ n- length (yield) m - mean(yield) s - sd (yield) g1 - n/((n -1 )*(n -2 ))* sum((yield-m)^ 3)/s^ 3 g2 - ((n*(n +1 ))/((n -1 )*(n -2 )*(n -3 ))* sum((yield-m)^ 4 )/s^ 4-( 3*(n -1 )^ 2)/ r 语言 garch copula var 模型 附代码数据 ((n -2 )*(n -3 ))) ## 偏度 g1 ## 峰度 g2 ## /* 作图 */ hist (yield, freq = F) lines ( density (yield)) ##QQ 图（正态性） qqnorm (yield) qqline (yield) library (tseries) ## /*JB 检验 */ （检验正态性） print ( jarque.bera.test (yield)) ## /* 自相关性检验 */ print ( Box.test (yield, type= Ljung-Box ) ) # 然后用自相关图检查序列的平稳性，，最后发现一阶差分后的序列是平稳的 ## 检验自相关 偏相关系数 acf (yield) pacf (yield) # 下面对平稳性序列 建立 模型 , 偏相关系数在滞后 1 期后很快地趋向于 0 ，所以取 p=1 , 自相关系数图形具有拖尾性，所以初步判断为 ar(1) 模型 ## /* 单位根检验 */ 稳定性检验 print ( adf.test (yield)) print ( pp.test (yield)) ## /* ARCH-LM 检验结果 */ 异方差检验 library (FinTS) print ( ArchTest (