房地产投资兼具消费性和投资性的双重性质，房价的变化也会受到这两方面的联合影响。本文选取上海房价作为研究对象，通过构建GARCH模型族，发现房价在显著地ARCH效应，而影响房价的变量只有居民收入和房地产投资是显著的。通过对GARCH模型进行参数估计得出的模型具体形式可以对房价进行短期预测。

【老生谈算法】多元GARCH模型预测的Matlab程序.doc

R语言 DCC-garch 可用于计算时变相关系数

波动率预测是当前金融工具中一个有趣的具有挑战性的话题，因为它与利润直接相关。 有许多与波动性直接相关的风险和回报。 因此，预测波动性成为金融领域最可有可无的话题。 GARCH 分布在风险度量和期权定价中起着重要作用。 在本文中，动机是通过使用不同的分布模型来衡量 GARCH 技术在预测波动率方面的性能。 我们在用于预测股票实体波动性的分布模型中使用了 9 种变体。 本文观察到的不同 GARCH 分布模型有 Std、Norm、SNorm、GED、SSTD、SGED、NIG、GHYP 和 JSU。 提前 10 天预测波动率，并将值与实际值进行比较，以找出波动率预测的最佳分布模型。 从获得的结果可以看出，具有 GED 分布模型的 GARCH 优于所有模型。

（1）自回归（AR） （2）移动平均线 （3）自回归移动平均线 （4）自回归综合移动平均线（ARIMA） （5）季节性自回归综合移动平均线 (SARIMA) （6）具有外生回归量的季节性自回归综合移动平均线 (SARIMAX) （7）带有 ARIMA 误差的回归模型 （8）向量自回归（VAR） （9）GARCH 模型 （10）Glostan、Jagannathan 和 Runkle GARCH 模型

实际波动率与GARCH模型的特征比较分析

本文介绍了R包bayesGARCH，它为使用Student-t创新的简约但有效的GARCH（1,1）模型提供了贝叶斯估计功能。 估计过程是全自动的，因此避免了调整采样算法的耗时且困难的任务。 在经验应用程序中显示了包的用法以交换汇率对数收益。

MarkovDccSource.rar

主要是作ARIMA-GARCH，ARIMA-TGARCH模型，但是后面GARCH模型图像拟合那里会有点问题。

DCC-GARCH模型 Dynamic Conditional Correlation - GARCH 该文件所包含以下几个小文档 1.DCC-GARCH理论讲解和stata操作教程和结果解读等教程 2.视频中的do文档以及所用数据 3.第二份数据 4.stata17解压包 目前鱼同学未看到全网由特别权威的大牛和书籍提供具体的步骤，该模型的视频教程仅根据鱼同学理解进行创作，请谨慎利用和学习。在该视频中操作了DCC-MGARCH模型的操作过程、动态相关系数以及动态相关系数图。同时，也论述了CCC、DCC以及VCC之间的差别。 在文件中，鱼同学为大家提供了两份数据集以供测试。