拓端tecdat|R语言量化：合成波动率指数移动平均策略分析标准普尔500波动率指数(VIX)

原文链接：http://tecdat.cn/?p=23130 

原文出处：拓端数据部落公众号

 To

本文目标是创建合成波动率指数，1）当应用于标准普尔500指数时，尽可能地反映VIX指数；2）完全依靠价格作为输入，因此它可以应用于任何市场指数。

所述的解决方案是合成波动率指数。> Mov(ATR(1)/C,20,S)

下面我将尝试代码。

1.  
   #*****************************************************************
2.  
   # 加载历史数据
3.  
   #*****************************************************************
4.  
    
5.  
   tickers = 'SP=^GSPC,VIX=^VIX'
6.  
    
7.  
   #*****************************************************************
8.  
   # 绘制数据
9.  
   #*****************************************************************
10.  
    layout(1:3)
11.  
    plot(SP)
12.  
    plot.legend('SP',SP)

matplot(scale(temp)

1.  
   #*****************************************************************
2.  
   # 测试策略
3.  
   #*****************************************************************
4.  
   vol= SMA( SP),1/ Cl), 20 )
5.  
   high= vol > SMA(vol, 40)
6.  
   low= vol< SMA(vol, 40)
7.  
    
8.  
   plot(SP[index], type='l', plotX=F, x.highlight = highlight)
9.  
    

1.  
   #*****************************************************************
2.  
   # 测试策略
3.  
   #*****************************************************************
4.  
   models = list()
5.  
    
6.  
   data$weight[] = NA
7.  
   run(data)
8.  
    
9.  
   #*****************************************************************
10.  
    # 报告
11.  
    #*****************************************************************
12.  
    #performance(models, T)

 

该估计值与TTR软件包提供的其他波动率估计值相似。

1.  
    
2.  
   print(cor(, use='complete.obs',method='pearson'))

 

---

最受欢迎的见解

1.在python中使用lstm和pytorch进行时间序列预测

2.python中利用长短期记忆模型lstm进行时间序列预测分析

3.使用r语言进行时间序列（arima，指数平滑）分析

4.r语言多元copula-garch-模型时间序列预测

5.r语言copulas和金融时间序列案例

6.使用r语言随机波动模型sv处理时间序列中的随机波动

7.r语言时间序列tar阈值自回归模型

8.r语言k-shape时间序列聚类方法对股票价格时间序列聚类

9.python3用arima模型进行时间序列预测