r语言garch copula var模型 附代码数据.docxVIP

r r 语言 garchcopulavar 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G 行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)/ ((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(yield, lags=12, demean = FALSE) ) ## 建立/*GARCH*/模型library(fGarch); library(rugarch) ## /*GARCH（1,1）-norm*/ garch_norm-garchFit(yield~ garch(1, 1),trace=FALSE) garch_norm spec-ugarchspec(variance.model=list(garchOrder=c(1,1)), mean.model=list(armaOrder=c(0,0))) fit - ugarchfit(spec = spec, data = yield) fit fit } ##对每一组数据进行分析 yield=data[,1] testfun (yield) ## ## Jarque Bera Test ## ## data: yield ## X-squared = 614.62, df = 2, p-value 2.2e-16 ## ## ## Box-Ljung test ## ## data: yield ## X-squared = 0.51149, df = 1, p-value = 0.4745 ## Warning in adf.test(yield): p-value smaller than printed p