更新

Author: englianhu

Diff for: binary-Q1Inter-HFT-RV3.Rmd

@@ -701,6 +701,12 @@ I set the length of data as quarterly (`3 months * 22 days * 1440 mins = 95040 m
 
 ### Grouped Models
 
+> VAR分析中的一个中心问题是找到滞后的阶数，以产生最佳结果。模型比较通常基于信息标准，例如AIC，BIC或HQ。通常，由于是小样本预测，AIC优于其他标准。但是，BIC和HQ在大型样本中效果很好 
+
+Citation: [R语言用向量自回归（VAR）进行经济数据脉冲响应研究分析](http://tecdat.cn/r%e8%af%ad%e8%a8%80%e7%94%a8%e5%90%91%e9%87%8f%e8%87%aa%e5%9b%9e%e5%bd%92%ef%bc%88var%ef%bc%89%e8%bf%9b%e8%a1%8c%e7%bb%8f%e6%b5%8e%e6%95%b0%e6%8d%ae%e8%84%89%e5%86%b2%e5%93%8d%e5%ba%94%e7%a0%94)
+
+
+
 Here I read the saved models.
 
 Due to the models only forecast `1440 mins` (but not `7200 mins`) in advance, here I no need to filter the forecast price.

Diff for: copula-draft.R

@@ -99,6 +99,15 @@ for(i in 1:out){
 ## R语言ARMA-GARCH-COPULA模型和金融时间序列案例
 ## http://tecdat.cn/r%e8%af%ad%e8%a8%80copulas%e5%92%8c%e9%87%91%e8%9e%8d%e6%97%b6%e9%97%b4%e5%ba%8f%e5%88%97%e6%a1%88%e4%be%8b
 ## 
+## 
+## 
+## 
+## 
+## 
+## 
+## 
+## 
+## 
 
 
 

Diff for: copula-draft2.R

@@ -49,4 +49,11 @@ fc <- varxforecast(X = Dat, Bcoef = fit@mfit$stdresid, p = 4,
 ## R语言ARMA-GARCH-COPULA模型和金融时间序列案例
 ## http://tecdat.cn/r%e8%af%ad%e8%a8%80copulas%e5%92%8c%e9%87%91%e8%9e%8d%e6%97%b6%e9%97%b4%e5%ba%8f%e5%88%97%e6%a1%88%e4%be%8b
 ## 
+## 
+## 
+## 
+## 
+## 
+## 
+## 
 

Diff for: 投资风险管理.qmd

@@ -27,9 +27,9 @@ format: html
 5) [R语言随机搜索变量选择SSVS估计贝叶斯向量自回归（BVAR）模型](http://tecdat.cn/%e9%9a%8f%e6%9c%ba%e6%90%9c%e7%b4%a2%e5%8f%98%e9%87%8f%e9%80%89%e6%8b%a9ssvs%e4%bc%b0%e8%ae%a1%e8%b4%9d%e5%8f%b6%e6%96%af%e5%90%91%e9%87%8f%e8%87%aa%e5%9b%9e%e5%bd%92%ef%bc%88bvar%ef%bc%89%e6%a8%a1)
 6) [R语言中的STAN概率编程MCMC采样的贝叶斯模型](http://tecdat.cn/r%e8%af%ad%e8%a8%80%e4%b8%ad%e7%9a%84stan%e6%a6%82%e7%8e%87%e7%bc%96%e7%a8%8bmcmc%e9%87%87%e6%a0%b7%e7%9a%84%e8%b4%9d%e5%8f%b6%e6%96%af%e6%a8%a1%e5%9e%8b)
 7) [R语言估计时变VAR模型时间序列的实证研究分析案例](http://tecdat.cn/r%e8%af%ad%e8%a8%80%e4%bc%b0%e8%ae%a1%e6%97%b6%e5%8f%98var%e6%a8%a1%e5%9e%8b%e6%97%b6%e9%97%b4%e5%ba%8f%e5%88%97%e7%9a%84%e5%ae%9e%e8%af%81%e7%a0%94%e7%a9%b6%e5%88%86%e6%9e%90%e6%a1%88%e4%be%8b)
-8) []()
-9) []()
-10) []()
+8) [R语言用向量自回归（VAR）进行经济数据脉冲响应研究分析](http://tecdat.cn/r%e8%af%ad%e8%a8%80%e7%94%a8%e5%90%91%e9%87%8f%e8%87%aa%e5%9b%9e%e5%bd%92%ef%bc%88var%ef%bc%89%e8%bf%9b%e8%a1%8c%e7%bb%8f%e6%b5%8e%e6%95%b0%e6%8d%ae%e8%84%89%e5%86%b2%e5%93%8d%e5%ba%94%e7%a0%94)
+9) [GARCH（1,1），MA以及历史模拟法的VAR比较](http://tecdat.cn/garch%ef%bc%8811%ef%bc%89%ef%bc%8cma%e4%bb%a5%e5%8f%8a%e5%8e%86%e5%8f%b2%e6%a8%a1%e6%8b%9f%e6%b3%95%e7%9a%84var%e6%af%94%e8%be%83)
+10) [R语言基于ARMA-GARCH过程的VAR拟合和预测](http://tecdat.cn/r%e8%af%ad%e8%a8%80%e5%9f%ba%e4%ba%8earma-garch%e8%bf%87%e7%a8%8b%e7%9a%84var%e6%8b%9f%e5%90%88%e5%92%8c%e9%a2%84%e6%b5%8b-2)
 11) []()
 12) []()
 13) []()