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。

负荷预测数学代码可信度在线概率预测汇总（APFC） 该存储库包含用于信心十足的在线概率预测在线汇总的代码。 我们使用本文中描述的实现细节。 方法的实现 文件夹“ synthetic_data_exp”和“ real_data_exp”包含执行概率预测在线汇总方法所需的Matlab代码脚本。 数据 我们使用GEFCom2014全球能源预测竞赛2014数据集中使用的可公开获得的数据集（Load treck）。 我们将数据保存在.mat文件中，该文件包含具有以下字段的结构： 每小时加载时间序列 温度时间序列 测量负载的日期和小时或时间戳 同步日历参数表（季节，星期几，一天中的某部分）

hts：分层和分组时间序列