我有这个模拟数据,并使用 rugarch 包拟合了 ARMA-GARCH 模型。到目前为止我的代码如下,
ar.sim<-arima.sim(model=list(ar=c(.9,-.2),ma=c(-.7,.1)),n=100)
logr=diff(log(na.omit(ar.sim)))
require(rugarch)
gar<-ugarchspec(variance.model = list(model = "sGARCH", garchOrder = c(2, 1)),
mean.model = list(armaOrder = c(2, 1)),
distribution.model = "norm");
fitg=ugarchfit(spec = gar,data = ar.sim,solver = "hybrid");
ugarchforecast(fitg,n.ahead =10)
在这个模型中,我使用了日志返回。所以我的预测也是基于对数返回。但我需要的是实际价格。我在 google 上搜索找到任何可以将此日志返回值转换为实际价格的 R 函数。但我没找到。
R 中是否有任何函数可以从该日志返回中提取实际价格,我需要手动执行此操作吗?
最佳答案
价格应为[初始价格] * exp(累积对数 yield )。例如:
df <- data.frame(price = c(90, 108, 81, 105, 180))
df$log = log(df$price)
df$logr = c(NA, diff(df$log))
df$logr_na0 = ifelse(is.na(df$logr), 0, df$logr)
df$cuml_log= cumsum(df$logr_na0)
df$reconstructed_price_norm = exp(df$cuml_log)
initial_price <- 90
df$reconstructed_price = initial_price * df$reconstructed_price_norm
输出
> df
price log logr logr_na0 cuml_log reconstructed_price_norm reconstructed_price
1 90 4.499810 NA 0.0000000 0.0000000 1.000000 90
2 108 4.682131 0.1823216 0.1823216 0.1823216 1.200000 108
3 81 4.394449 -0.2876821 -0.2876821 -0.1053605 0.900000 81
4 105 4.653960 0.2595112 0.2595112 0.1541507 1.166667 105
5 180 5.192957 0.5389965 0.5389965 0.6931472 2.000000 180
关于r - 使用 R 将对数 yield 转换为时间序列预测的实际价格,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/55892584/