MATLAB用拟合出的代码绘图-HighFrequencyEconometrics-HAR-vs.-Neural-Networks:受Hill

上传者: 38683488 | 上传时间: 2022-12-04 10:18:20 | 文件大小: 13KB | 文件类型: ZIP
MATLAB用拟合出的代码绘图高频计量经济学: HAR与神经网络 (免责声明:高频计量经济学,高频数据处理,HAR,神经网络,袋装,交叉验证,贝叶斯合奏) 受Hillebrand&Medeiros(2009)和Corsi(2009)的启发,我将神经网络置于高频环境中,并测试了两种模型(HAR&Neural Networks)的性能。 -该项目中使用的数据是标准普尔500股股票2年内日内5分钟的实际波动价值(请参阅:Sheppard,Patton,Liu,2012年),已使用双变量分析和操作方法对其进行了仔细检查。 模型简介: HAR(异构自回归模型): 该模型由Corsi在2009年开发,它基于一个简单的回归框架。 自变量分别是每日波动率分别滞后1、5和22天。 这是为了模拟昨天,一周前和大约一个月前的波动(仅考虑公开市场交易日)。 这种类型的模型也称为“长记忆”模型,因为它可以“记住” 22个市场日之前发生的情况。 它如何直观地发挥作用?:由于交易频率较高的交易者将其策略基于过去的长期波动性来预测未来,并相应地更改其策略,因此会造成短期波动性。 这种行为对交易频率较低的交易者没有影响

文件下载

资源详情

[{"title":"( 7 个子文件 13KB ) MATLAB用拟合出的代码绘图-HighFrequencyEconometrics-HAR-vs.-Neural-Networks:受Hill","children":[{"title":"HighFrequencyEconometrics-HAR-vs.-Neural-Networks-master","children":[{"title":"HighFrequencyEcon; HARvsNN.R <span style='color:#111;'> 5.18KB </span>","children":null,"spread":false},{"title":"CleanTAQdataQu.m <span style='color:#111;'> 1.08KB </span>","children":null,"spread":false},{"title":"BivariateAnalysis.m <span style='color:#111;'> 586B </span>","children":null,"spread":false},{"title":"CleanTAQdataTr.m <span style='color:#111;'> 1.39KB </span>","children":null,"spread":false},{"title":"README.md <span style='color:#111;'> 18.49KB </span>","children":null,"spread":false},{"title":"RealizedVariance.m <span style='color:#111;'> 318B </span>","children":null,"spread":false},{"title":"CombineQuTr.m <span style='color:#111;'> 588B </span>","children":null,"spread":false}],"spread":true}],"spread":true}]

评论信息

免责申明

【只为小站】的资源来自网友分享,仅供学习研究,请务必在下载后24小时内给予删除,不得用于其他任何用途,否则后果自负。基于互联网的特殊性,【只为小站】 无法对用户传输的作品、信息、内容的权属或合法性、合规性、真实性、科学性、完整权、有效性等进行实质审查;无论 【只为小站】 经营者是否已进行审查,用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。
本站所有资源不代表本站的观点或立场,基于网友分享,根据中国法律《信息网络传播权保护条例》第二十二条之规定,若资源存在侵权或相关问题请联系本站客服人员,zhiweidada#qq.com,请把#换成@,本站将给予最大的支持与配合,做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明