运用数据与第一次作业数据相同，所以时间序列的水平信息的提取在本次中不再进行分析，而是提取arima模型拟合后的残差，对其建立garch模型，对这部分进行分析。运用garch模型测度序列的波动性和进行分析的，含r语言代码

波动率/恐慌指数VIX数据（exce/bson/json） - 根据实盘原始股票期权行情数据计算VIX从2015-01至2020-07-08（持续更新中...) - 根据[White Paper Cboe Volatility Index](http://www.cboe.com/micro/vix/vixwhite.pdf) - 数据格式为exce/bson/json(适用mongodb数据库）。可以提供分钟级别数据，如果需要excel/csv或其他格式、或需要更多历史和不同频率实时数据。

该数据为上证50ETF期权在2020年12月30日的样本数据，其中主要包括期权的隐含波动率和期权的剩余到期时间、期权的在值程度。本数据为典型的回归问题所需要的数据，可以用于高斯核函数的核回归。

波动率预测_GARCH模型与隐含波动率

上证综指波动率的估计_基于GARCH_1_1_模型的研究

随机波动模型介绍以及衍生模型，提供编程算法

本文档介绍了如何对收益率进行时间序列分析，并用garch模型对波动率进行预测

采用沪深300指数期权数据，利用B-S模型计算隐含波动率。