-
Notifications
You must be signed in to change notification settings - Fork 28
/
IV-SABR-MSARCH.Rmd
66 lines (40 loc) · 4.33 KB
/
IV-SABR-MSARCH.Rmd
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
---
title: "Implied Volatility, SABR, Markov Switching-Arch Statistical Models"
author: "®γσ, Lian Hu"
date: "4/1/2021"
output: html_document
---
## 秦笺（草稿）
Markov switching models (MSAR), also known as Hidden Markov Models (HMM)[About statsmodels](https://github.com/statsmodels/statsmodels)
[Economics and quantitative methods, Statsmodels: State space models and the Kalman filter, Statsmodels: Markov switching dynamic regression and autoregression](http://www.chadfulton.com/software.html)
Reference
1) [Forecasting Risk with Markov-Switching GARCH Models - A Large-Scale Perfoamance Study](https://englianhu.files.wordpress.com/2021/04/wp-1618274429537.pdf?fbclid=IwAR2Zcm9Igp0VZVdQeQF3xx1gTkaYKqPGRGONrfWQCXIs0J93Bytjtoyzna4)
2) [Economics and quantitative methods, Statsmodels: State space models and the Kalman filter, Statsmodels: Markov switching dynamic regression and autoregression](http://www.chadfulton.com/software.html)
3) [Markov switching autoregression models](http://www.chadfulton.com/topics/markov_autoregression.html?fbclid=IwAR296sU99p_zlwbBetQmQTczHC8kN8WpsXTi7_CFBnrkqc1koh0CDRMwV7A)
4) [About statsmodels](https://github.com/statsmodels/statsmodels)
5) [Historical vs. Implied Options Volatility - Options Mechanics](https://www.youtube.com/watch?v=eBa-1pQEG0E)
6) [Local vs Stochastic vs Implied Volatilities](https://www.youtube.com/watch?v=y4B4wSnXg6E)
7) [波动率曲面 - 期权波动率建模实战指南 (高清)]()
8) [Deriv.com - Interday High Frequency Trading Models Comparison Blooper](https://rpubs.com/englianhu/binary-Q1Inter-HFT)
## 添加道家、易经、算卜、天干地支元素
> ...
> 靠人工智能预测股市，方法有哪些？
>
> 首先我们先来搞搞清楚，那些所谓的人工智能预测股市，到底都应用了哪些技术。
>
> 在人工智能大规模应用之前，利用大数据等数字工具，结合经验甚至周易的天干地支来预测股市行情，已经是高科技的代表了。但自从二零一六年AlphaGo击败李世石之后，机器学习技术就取代大数据成为预测股市的最强选手。
>
> 现在，市面上有许多证券公司推出了人工智能预测股市的工具、模型，甚至基金。接下来我们就追根溯源，来聊聊这些应用型产品都是依托那些机器学习算法/模型来工作的...
*引用：[想靠人工智能精准抄底A股？结果恐怕会让你怀疑人生](https://tech.sina.cn/csj/2019-03-04/doc-ihsxncvf9549771.d.html)*
------
> 經歷了漫長熊市的A股，在農曆新年後迎來了一個超乎想像的春天。最能夠代表牛市來臨的信號，不是領跑全球的歷史性漲幅，而是連你老家的大媽都準備拿出首付甚至賣房抄底了，各路股神紛紛出來指點江山了，大數據分析、人工智能選股之類的炒股秘籍也集體重現江湖了。
與“玄學炒股”和“內部消息”等方式不同，量化投資、機器模型之類的技術名詞一擺出來，可信度噌地就上去了。
不過，利用人工智能模型預測股市，到底會讓散戶們跑贏大盤賺到懷疑人生，還是被以“技術”為名的鐮刀精準收割？事情的真相恐怕與大家想像的相去甚遠。
靠人工智能預測股市，方法有哪些？
首先我們先來搞搞清楚，那些所謂的人工智能預測股市，到底都應用了哪些技術。
在AI大規模應用之前，利用大數據等數字工具，結合經驗甚至周易的天干地支來預測股市行情，已經是高科技的代表了。但自從2016年AlphaGo擊敗李世石之後，機器學習技術就取代大數據成為預測股市的最強選手。
現在，市面上有許多證券公司推出了人工智能預測股市的工具、模型，甚至基金。接下來我們就追根溯源，來聊聊這些應用型產品都是依托那些機器學習算法/模型來工作的。
*引用[A股教做人系列：想靠人工智能精準抄底，結果恐怕會讓你懷疑人生](https://tw.news.yahoo.com/a股教做人系列：想靠人工智能精準抄底，結果恐怕會讓你-004601373.html)*
---
[<img src="www/Scibrokes.png" height="14"/> Sςιβrοκεrs Trαdιηg®](http://www.scibrokes.com)<br>
<span style='color:RoyalBlue'>**[<img src="www/Scibrokes.png" height="14"/> 世博量化®](http://www.scibrokes.com)企业知识产权及版权所有，盗版必究。**</span>