首页
学习
活动
专区
圈层
工具
发布
精选内容/技术社群/优惠产品,尽在小程序
立即前往

有没有可能通过DCC GARCH (1,1)代码自动运行几十只股票?

基础概念: DCC GARCH(Dynamic Conditional Correlation Generalized Autoregressive Conditional Heteroskedasticity)是一种用于估计多元时间序列的动态相关性的模型。GARCH(1,1)是其中的一种特殊情况,它假设波动率是由过去的平方误差项、过去的波动率和过去的条件协方差共同决定的。

优势

  1. 能够捕捉到不同资产之间的动态相关性。
  2. 相较于静态模型,DCC GARCH能够更好地适应市场变化。
  3. 可以用于风险管理和资产配置。

类型: DCC GARCH模型属于GARCH族模型的一种,主要用于处理金融时间序列数据。

应用场景

  1. 投资组合优化:通过估计不同资产间的动态相关性,来优化投资组合的风险收益比。
  2. 风险管理:评估和管理跨多个资产的风险。
  3. 衍生品定价:在衍生品市场中,用于定价和对冲策略。

自动运行几十只股票的可能性: 完全有可能通过编写程序来自动运行DCC GARCH模型分析几十只股票。这通常涉及以下几个步骤:

  1. 数据收集:从金融市场数据库中获取所需股票的日收益率数据。
  2. 模型估计:使用统计软件或编程语言(如Python、R等)中的相关库来估计DCC GARCH模型。
  3. 结果分析:提取模型参数,计算动态相关系数,并进行进一步分析。
  4. 自动化脚本编写:将上述步骤整合到一个自动化脚本中,以便定期运行和分析。

示例代码(Python): 以下是一个简化的Python示例,展示如何使用arch库来估计DCC GARCH模型并自动运行于多只股票:

代码语言:txt
复制
import pandas as pd
from arch import arch_model

# 假设你已经有了一个包含多只股票日收益率的DataFrame,名为stock_returns
# stock_returns = pd.read_csv('your_stock_data.csv')  # 加载你的股票数据

def run_dcc_garch(data):
    dcc_results = {}
    for stock in data.columns:
        model = arch_model(data[stock], vol='Garch', p=1, q=1)
        res = model.fit(update_freq=5)
        dcc_results[stock] = res
    return dcc_results

# 运行DCC GARCH模型
results = run_dcc_garch(stock_returns)

# 分析结果...

可能遇到的问题及解决方法

  1. 数据获取问题:确保你有稳定且可靠的数据源。可以使用专业的金融数据API来解决这一问题。
  2. 计算资源限制:处理大量股票数据可能需要较多计算资源。可以考虑使用云计算服务来增强计算能力。
  3. 模型收敛问题:在某些情况下,GARCH模型可能难以收敛。可以尝试调整模型参数或使用不同的优化算法。
  4. 编程错误:仔细检查代码逻辑和语法,确保所有步骤都能正确执行。

总之,通过合理的规划和编程实现,完全可以自动化地运行DCC GARCH模型来分析几十只股票的相关性。

页面内容是否对你有帮助?
有帮助
没帮助

相关·内容

R语言单变量和多变量(多元)动态条件相关系数DCC-GARCH模型分析股票收益率金融时间序列数据波动率

例如,此函数可用于检索股票数据。默认来源是 Yahoo Finance. 如果您想找出哪些股票有哪个符号,您应该能够在互联网上搜索以找到股票代码列表。下面介绍如何使用该功能。..."IBM" getSymbols("GOOG") ## \[1\] "GOOG" getSymbols("BP") ## \[1\] "BP" 在您的环境中,您可以看到这些命令中的每一个都使用各自的股票代码名称加载一个对象...让我们看看: 这里的关键问题是 Mean Model (这里是 ARMA(1,1) 模型)和 GARCH Model, 这里 sGARCH(1,1) 基本上是 GARCH(1,1) 的模型。...多元 GARCH 模型 通常,您需要对波动性进行建模。这可以通过单变量 GARCH 模型的多变量版本来完成。...# DCC (MVN) u.n = multispec 这个命令有什么作用?它指定了一个 AR(1)-GARCH(1,1) 模型。

7610

R语言分位数回归预测筛选有上升潜力的股票|附代码数据

与均值回归(OLS)不同,目标不是给定x的均值,而是给定x的一些分位数 ( 点击文末“阅读原文”获取完整代码数据******** )。 您可以使用它来查找具有良好上升潜力的股票。...您可能会认为这与股票的beta有关,但是beta与OLS相关,并且是对称的。如果市场出现上涨,高beta股票将获得上行波动的收益,但对称地,当市场下跌时,您可能会遭受巨额亏损。...以下代码读取股票行情,并找到最佳比率,即:上行时分散度高,而下行时分散度低: dat0 = getSymbols(sy[1], src="yahoo", from=start, to=end,   auto.assign...R语言中的copula GARCH模型拟合时间序列并模拟分析R语言乘法GARCH模型对高频交易数据进行波动性预测 R语言GARCH-DCC模型和DCC(MVT)建模估计 Python使用GARCH,EGARCH...R语言使用多元AR-GARCH模型衡量市场风险 R语言中的时间序列分析模型:ARIMA-ARCH / GARCH模型分析股票价格 R语言用Garch模型和回归模型对股票价格分析 GARCH(1,1),

33100
  • R语言布朗运动模拟股市、物种进化树状图、二项分布可视化

    关于布朗进化的一些其他特点: 在某些情况下,在树的不同部分的布朗进化有可能存在不同的速率。因此可以简单的模仿不同部门的不同的速率布朗运动。...模型对高频交易数据进行波动性预测 R语言GARCH-DCC模型和DCC(MVT)建模估计 Python使用GARCH,EGARCH,GJR-GARCH模型和蒙特卡洛模拟进行股价预测 R语言时间序列...,EGARCH,GJR-GARCH模型和蒙特卡洛模拟进行股价预测 使用R语言对S&P500股票指数进行ARIMA + GARCH交易策略 R语言用多元ARMA,GARCH ,EWMA, ETS,随机波动率...SV模型对金融时间序列数据建模 R语言股票市场指数:ARMA-GARCH模型和对数收益率数据探索性分析 R语言多元Copula GARCH 模型时间序列预测 R语言使用多元AR-GARCH模型衡量市场风险...R语言中的时间序列分析模型:ARIMA-ARCH / GARCH模型分析股票价格 R语言用Garch模型和回归模型对股票价格分析 GARCH(1,1),MA以及历史模拟法的VaR比较 matlab

    20030

    R语言气象模型集成预报:神经网络、回归、svm、决策树用环流因子预测降雨降水数据|附代码数据

    环流因子数据 30年降水数据 本文介绍了四种常见的气象子预报方法:BP人工神经网络、多元回归、SVM、决策树模型,并通过实际的数据集进行预报检验。...R语言GARCH-DCC模型和DCC(MVT)建模估计 Python 用ARIMA、GARCH模型预测分析股票市场收益率时间序列 R语言中的时间序列分析模型:ARIMA-ARCH / GARCH模型分析股票价格...ARIMA-ARCH / GARCH模型分析股票价格 R语言用Garch模型和回归模型对股票价格分析 GARCH(1,1),MA以及历史模拟法的VaR比较 matlab估计arma garch 条件均值和方差模型...R语言使用多元AR-GARCH模型衡量市场风险 R语言中的时间序列分析模型:ARIMA-ARCH / GARCH模型分析股票价格 R语言GARCH-DCC模型和DCC(MVT)建模估计 R语言用Garch...模型和回归模型对股票价格分析 GARCH(1,1),MA以及历史模拟法的VaR比较 matlab估计arma garch 条件均值和方差模型 R语言ARMA-GARCH-COPULA模型和金融时间序列案例

    40120

    python中的copula:Frank、Clayton和Gumbel copula模型估计与可视化|附代码数据

    你可能会问,为什么是copulas?我们指的是数学上的概念。简单地说,copulas是具有均匀边缘分布的联合分布函数 。最重要的是,它们允许你将依赖关系与边缘分布分开研究。...copulas可以通过将一个联合分布拟合到均匀分布的边缘分布上而得到,这个边缘分布是通过对你感兴趣的变量的cdf进行量化转换而得到的。 ...如果你想把这段代码改编成你自己的真实数据。...GARCH-DCC模型和DCC(MVT)建模估计Python 用ARIMA、GARCH模型预测分析股票市场收益率时间序列R语言中的时间序列分析模型:ARIMA-ARCH / GARCH模型分析股票价格R...GARCH模型分析股票价格R语言用Garch模型和回归模型对股票价格分析GARCH(1,1),MA以及历史模拟法的VaR比较matlab估计arma garch 条件均值和方差模型R语言POT超阈值模型和极值理论

    1.9K00

    ARMA-EGARCH模型、集成预测算法对SPX实际波动率进行预测|附代码数据

    可以通过t分布回归分布密度图来近似  。黑线是内核平滑的密度,绿线是t分布密度。...但是,作者指出了隐含波动率中增量信息的可能性,并提出了组合模型。因此,进一步的发展可能是将时间序列预测和隐含波动率(如果存在)的预测信息相结合的集成模型。...GARCH-DCC模型和DCC(MVT)建模估计Python 用ARIMA、GARCH模型预测分析股票市场收益率时间序列R语言中的时间序列分析模型:ARIMA-ARCH / GARCH模型分析股票价格R...GARCH模型分析股票价格R语言用Garch模型和回归模型对股票价格分析GARCH(1,1),MA以及历史模拟法的VaR比较matlab估计arma garch 条件均值和方差模型R语言POT超阈值模型和极值理论...R语言中的时间序列分析模型:ARIMA-ARCH / GARCH模型分析股票价格R语言GARCH-DCC模型和DCC(MVT)建模估计R语言用Garch模型和回归模型对股票价格分析GARCH(1,1),

    52530

    R语言改进的DCC-MGARCH:动态条件相关系数模型、BP检验分析股市数据

    股票市场波动性模型一直是金融领域研究的热点之一。传统的波动性模型往往只考虑了静态条件下的波动性和相关性,难以准确捕捉市场的复杂性和多样性。...因此,条件方差的动态结构指定为GARCH族模型是一种很有效的方法,可以更好地描述股票市场的波动性,并为进一步分析和预测市场提供了有力的工具。...第二个回归,R j,t-1用sp5r做,Xj,t-1是sp5r用 ar(1)-garch(1,1)回归的残差平方项,其他和第一个回归一样,Ri,t-1用rtn的数据 均值方程和方差方程: 其中Rt1是对应市场中市场指数的收益...DCC 方法通过引入一个动态相关系数矩阵来估计条件协方差。这个矩阵可以随时间变化,反映了变量之间的相关关系的变化。DCC 方法使用了两个步骤来估计条件协方差。...DCC 方法通过引入动态相关系数矩阵,能够更好地捕捉到这种时变相关性。

    44300

    R语言用Copulas模型的尾部相依性分析损失赔偿费用|附代码数据

    两个随机变量之间的相依性问题备受关注,相依性(dependence)是反映两个随机变量之间关联程度的一个概念它与相关性(correlation)有区别,常用的相关性度量是Pearson相关系数,它只度量了两个随机变量之间的线性关系...计算这些函数的R代码非常简单。...ARIMA 和GARCH 在股票市场预测应用MATLAB用GARCH模型对股票市场收益率时间序列波动的拟合与预测R语言GARCH-DCC模型和DCC(MVT)建模估计Python 用ARIMA、GARCH...模型时间序列预测R语言使用多元AR-GARCH模型衡量市场风险R语言中的时间序列分析模型:ARIMA-ARCH / GARCH模型分析股票价格R语言用Garch模型和回归模型对股票价格分析GARCH(...1,1),MA以及历史模拟法的VaR比较matlab估计arma garch 条件均值和方差模型R语言POT超阈值模型和极值理论EVT分析

    67500

    【视频】风险价值VaR原理与Python蒙特卡罗Monte Carlo模拟计算投资组合实例|附代码数据

    ,并通过该模型运行多个假设试验。...如果我们再次运行它,我们会得到不同的结果——尽管差异很可能会缩小。总而言之,我们对月收益进行了 700 次假设试验。其中,5个结果在-5%和-7%之间;2个在 -7% 和 -9% 之间。...如何使用Python通过蒙特卡洛模拟自动计算风险值(VaR)来管理投资组合或股票的金融风险?...多元)动态条件相关系数DCC-GARCH模型分析股票收益率金融时间序列数据波动率R语言中的时间序列分析模型:ARIMA-ARCH / GARCH模型分析股票价格GARCH-DCC模型和DCC(MVT)建模估计...1,1),MA以及历史模拟法的VaR比较matlab估计arma garch 条件均值和方差模型

    1.2K00

    R语言多元Copula GARCH 模型时间序列预测

    p=2623 和宏观经济数据不同,金融市场上多为高频数据,比如股票收益率序列(点击文末“阅读原文”获取完整代码数据)。...= ~arma(2,1)+ garch(1,1),data = dat \[,1\],cond.dist =“std”) 可视化波动 隐含的相关性 > emwa\_series\_cor = function...) 隐含的相关性 BEKK(1,1)模型的基本形式,它通常可以表示为: 其中: H_t 是t时刻的条件协方差矩阵。...这些相关性可以通过将条件协方差矩阵的元素除以各自序列的条件方差的平方根来得到。 Kaizong Ye 拓端分析师 对单变量GARCH模型残差建模 第一步可能是考虑残差的静态(联合)分布。...斯皮尔曼相关性 肯德尔相关性 对相关性建模,考虑DCC模型 对数据进行预测 > fcst = dccforecast(dcc.fit,n.ahead = 200) 我们已经完全掌握了多元GARCH模型的使用

    10910

    R语言使用ARIMAX预测失业率经济时间序列数据|附代码数据

    对残差运行一套完整的诊断方法。数据探索grid.arrange(p1,p2,p3,ncol=2)从图中可以看出,国民生产总值和消费可以作为回归使用。我们可以用时间、国民生产总值和消费来预测失业率。...forecast(m,x=logfc+logc )plot(yfor)ARIMA模型通过使用ARIMA,我们只根据连续的时间数据来预测未来。它忽略了可能影响消费变化的其他因素。...----点击文末 “阅读原文”获取全文完整代码和数据资料。本文选自《R语言使用ARIMAX预测失业率经济时间序列数据》。...GARCH-DCC模型和DCC(MVT)建模估计Python 用ARIMA、GARCH模型预测分析股票市场收益率时间序列R语言中的时间序列分析模型:ARIMA-ARCH / GARCH模型分析股票价格R...GARCH模型分析股票价格R语言用Garch模型和回归模型对股票价格分析GARCH(1,1),MA以及历史模拟法的VaR比较matlab估计arma garch 条件均值和方差模型R语言POT超阈值模型和极值理论

    1.2K00

    R语言分位数回归、最小二乘回归OLS北京市GDP影响因素可视化分析

    【1】但最小二乘有自身的缺陷,该方法要求较高,例如许多观测数据很难满足全部假设条件(点击文末“阅读原文”获取完整代码数据)。...1986)【6】和Chernozhuko(2002)【7】等人在此基础上进行了深入的研究,陆续解决了分位数回归的线性假设检验、异方差的稳健性检验、估计量的一致性和线性规划解法等应用方面的难题,使其成为了近几十年来发展较快...通过与最小二乘法的对比研究其优势。 研究步骤 1. 搜集北京市近二十年经济增长等数据; 2. 学习并了解分位数回归分析问题的研究背景及应用; 3....R语言中的copula GARCH模型拟合时间序列并模拟分析 R语言乘法GARCH模型对高频交易数据进行波动性预测 R语言GARCH-DCC模型和DCC(MVT)建模估计 Python使用GARCH...模型和回归模型对股票价格分析 GARCH(1,1),MA以及历史模拟法的VaR比较 matlab估计arma garch 条件均值和方差模型 R语言ARMA-GARCH-COPULA模型和金融时间序列案例

    30030

    ARIMA模型,ARIMAX模型预测冰淇淋消费时间序列数据|附代码数据

    标准的ARIMA(移动平均自回归模型)模型允许只根据预测变量的过去值进行预测 。该模型假定一个变量的未来的值线性地取决于其过去的值,以及过去(随机)影响的值。...ARIMAX模型类似于多变量回归模型,但允许利用回归残差中可能存在的自相关来提高预测的准确性。本文提供了一个进行ARIMAX模型预测的练习。还检查了回归系数的统计学意义。这些练习使用了冰淇淋消费数据。...注意:最后三列可以通过在收入变量值的向量中添加两个NA来创建,并将得到的向量作为嵌入函数的输入(维度参数等于要创建的列数)。...ARIMA 和GARCH 在股票市场预测应用MATLAB用GARCH模型对股票市场收益率时间序列波动的拟合与预测R语言GARCH-DCC模型和DCC(MVT)建模估计Python 用ARIMA、GARCH...1,1),MA以及历史模拟法的VaR比较matlab估计arma garch 条件均值和方差模型R语言POT超阈值模型和极值理论EVT分析

    1.5K00

    VaR系列(三):DCC模型估计组合VaR

    一种是常相关系数模型,即认为资产间的相关系数不随时间变化,可以用一个常数来衡量,这种方法不过多赘述,比如可以用历史数据的相关系数作为估计量,另一种是时变相关系数模型,认为相关系数是随时间变化的,这方面的模型很多,这里只总结通过...Engle(2002)年提出了DCC模型,通过DCC模型对相关系数建的整体思路与之前对于单个资产波动率建模的思路基本一致,包括两种方法: 第一种类似RM方法, 通过指数平滑的方法对对相关系数建模,后文统称为...另一种方法类似Garch(1,1)模型,后文统称为DCC-Garch模型。 ? 其中 ? 是两两资产间的相关系数,也是q的标准化,通过对q标准化保证相关系数绝对值小于等于1.。...通过Ngarch(1,1)模型分别对单个资产的波动率进行估计。模型代码见后文。 S&P500波动率 ? US 10yr T-Note Fixed Term波动率 ?...4.代码 只包含主要代码,作图代码略,全部代码后台获取。

    3.7K20

    VaR系列(四):蒙特卡洛方法估计VaR

    同时收益率序列的波动率可以用Garch族模型进行建模,假设波动率服从Garch(1,1)模型 ? 这样,我们可以用标准正态随机数对向前一天的标准化收益率z进行模拟,记模拟次数为MC。 ?...通过Garch模型更新波动率,通过DCC模型跟新相关系数矩阵 5. 重复1-4过程K次,将K次的收益率序列相加总收益率 6. 重复1-5过程MC次,得到MC个总收益率,取p分位数即可。...“VaR4”获取 单资产的VaR估计均在数据序列最后一天向前估计,估计K=500天 波动率初始值使用当天的波动率,波动率建模用之前文章中的Ngarch(1,1)模型,两资产组合的VaR估计类似 Monte-Garch...但效率上讲,蒙特卡洛的运行速度较慢,远不如DCC。...03 代码 这里只给出主要函数代码,全部代码后台获取,另外代码实现的过程实际是参考文献中Chapter8中的习题,注释写的不多,看不明白的可以翻一翻文献,如果想把代码用到别处,需要做一些修改,比如组合收益率中

    5.5K40

    Copula估计边缘分布模拟收益率计算投资组合风险价值VaR与期望损失ES|附代码数据

    在这项工作中,我通过创建一个包含四只基金的模型来探索 copula,这些基金跟踪股票、债券、美元和商品的市场指数摘要然后,我使用该模型生成模拟值,并使用实际收益和模拟收益来测试模型投资组合的性能,以计算风险价值...我们可以使用 copula 和边缘部分的参数版本来创建可用于运行测试和执行预测的模型。...这是通过以下代码完成的:# 现在我们需要均匀分布IV GARCH-DCC模型和DCC(MVT)建模估计Python使用GARCH,EGARCH,GJR-GARCH模型和蒙特卡洛模拟进行股价预测R语言时间序列GARCH模型分析股市波动率...GARCH模型分析股票价格R语言用Garch模型和回归模型对股票价格分析GARCH(1,1),MA以及历史模拟法的VaR比较matlab估计arma garch 条件均值和方差模型R语言ARMA-GARCH-COPULA

    32930

    R语言用logistic逻辑回归和AFRIMA、ARIMA时间序列模型预测世界人口|附代码数据

    通过相关图和偏相关图可以解决。 步骤二:估计。估计模型周所含自回归和移动平均项的参数。有时可以用最小二乘法,有时候需要用非线性估计方法。(软件可以自动完成) 步骤三:诊断(检验)。...具体来说: 首先,看一下有没有很明显的trend,需不需要differencing之后再建模。 从ACF和PACF的结果来看,序列没有很快地落入虚线范围之内,因此,序列不平稳。对序列进行差分。...SP 500指数波动率时间序列和预测可视化 Python金融时间序列模型ARIMA 和GARCH 在股票市场预测应用 MATLAB用GARCH模型对股票市场收益率时间序列波动的拟合与预测R语言GARCH-DCC...模型和DCC(MVT)建模估计 Python 用ARIMA、GARCH模型预测分析股票市场收益率时间序列 R语言中的时间序列分析模型:ARIMA-ARCH / GARCH模型分析股票价格 R语言ARIMA-GARCH...R语言用Garch模型和回归模型对股票价格分析 GARCH(1,1),MA以及历史模拟法的VaR比较 matlab估计arma garch 条件均值和方差模型R语言POT超阈值模型和极值理论EVT分析

    83000

    PYTHON 用几何布朗运动模型和蒙特卡罗MONTE CARLO随机过程模拟股票价格可视化分析耐克NKE股价时间序列数据|附代码数据

    模拟是通过获取收益率 μ 和波动率 σ 的样本值并观察股票价格演变的模拟数据和真实数据之间的相关程度来完成的。模拟需要大约 10-15 分钟才能完全运行。...和平均波动率,sigma    musigle = np.mean(mu_temp)    sigmsile = np.std(mu_temp)    #Monte Carlo 模拟几何布朗运动演化#运行几个模拟来生成几个可能的价格演变数组...以下代码调用函数以通过几何布朗运动模型生成随机游走。#使用这些价格计算回报率和波动率。...模型对高频交易数据进行波动性预测R语言GARCH-DCC模型和DCC(MVT)建模估计Python使用GARCH,EGARCH,GJR-GARCH模型和蒙特卡洛模拟进行股价预测R语言时间序列GARCH模型分析股市波动率...GARCH模型分析股票价格R语言用Garch模型和回归模型对股票价格分析GARCH(1,1),MA以及历史模拟法的VaR比较matlab估计arma garch 条件均值和方差模型R语言ARMA-GARCH-COPULA

    1.2K00

    Python金融时间序列模型ARIMA 和GARCH 在股票市场预测应用|附代码数据

    它可以通过 Box-Jenkins method. 我们可能会使用 PACF 绘制识别 AR 滞后阶数 p,和 ACF 图以识别 MA 滞后阶数 q;或使用信息,例如 AIC 和 BIC 做模型选择。...ARIMA首先,众所周知,股票价格不是平稳的;而收益可能是平稳的。ADF单位根检验结果。...点击标题查阅往期内容金融时间序列模型ARIMA 和GARCH 在股票市场预测应用时间序列分析模型:ARIMA-ARCH / GARCH模型分析股票价格R语言ARIMA-GARCH波动率模型预测股票市场苹果公司日收益率时间序列...模型对高频交易数据进行波动性预测R语言GARCH-DCC模型和DCC(MVT)建模估计Python使用GARCH,EGARCH,GJR-GARCH模型和蒙特卡洛模拟进行股价预测R语言时间序列GARCH模型分析股市波动率...GARCH模型分析股票价格R语言用Garch模型和回归模型对股票价格分析GARCH(1,1),MA以及历史模拟法的VaR比较matlab估计arma garch 条件均值和方差模型R语言ARMA-GARCH-COPULA

    1.8K00

    R语言和Python用泊松过程扩展:霍克斯过程Hawkes Processes分析比特币交易数据订单到达自激过程时间序列|附代码数据

    5000 个交易时间戳传递给它来运行上面的拟合过程。...这导致大量的交易(在同一秒内)失去订单,这可能会影响跳跃的大小。拟合优度评估拟合优度的方法有很多种。一种是通过比较AIC同质泊松模型的值,如上面的 R 总结中所示,我们的霍克斯模型更适合数据。...----点击标题查阅往期内容指数加权模型EWMA预测股市多变量波动率时间序列R语言极值理论 EVT、POT超阈值、GARCH 模型分析股票指数VaR、条件CVaR:多元化投资组合预测风险测度分析R语言GARCH-DCC...模型和DCC(MVT)建模估计Python 用ARIMA、GARCH模型预测分析股票市场收益率时间序列R语言中的时间序列分析模型:ARIMA-ARCH / GARCH模型分析股票价格R语言ARIMA-GARCH...R语言用Garch模型和回归模型对股票价格分析GARCH(1,1),MA以及历史模拟法的VaR比较matlab估计arma garch 条件均值和方差模型R语言POT超阈值模型和极值理论EVT分析R语言极值推断

    1.5K30
    领券