拓端小助手的博客_原创(10)

拓端tecdat|R语言指数加权模型EWMA预测股市多变量波动率时间序列

广义上讲，复杂的模型可以实现很高的预测准确性。但是您的读者需要快速理解。他们没有意愿或时间去处理任何太乏味的事情，即使它可以稍微准确一些。简单性是商业中非常重要的模型选择标准。在多元波动率估计中，最简单的方法是使用历史协方差矩阵。但这太简单了，我们已经知道波动性

r语言

开发语言

协方差矩阵

权重

原创 2022-04-18 14:20:04 7562 阅读

拓端tecdat|R语言Copula模型分析股票市场板块相关性结构

这篇文章是关于 copulas 和重尾的。在全球金融危机之前，许多投资者是多元化的。看看下面这张熟悉的图：黑线是近似正态的。红线代表Cauchy分布，它是具有一个自由度的T分布的一个特殊情况。也许是因为Cauchy和t分布混在一起。我们总是可以计算出经验方差。

r语言

概率论

开发语言

数据

建模

原创 2022-04-18 14:19:34 255 阅读

【视频】Boosting集成学习原理与R语言提升回归树BRT预测短鳍鳗分布生态学实例

单一模型的预测往往会有缺陷，为了解决复杂的问题，我们需要集成学习通过组合多个模型来提高机器学习的预测性能。视频：Boosting集成学习原理与R语言提升回归树BRT预测短鳍鳗分布生态学实例Boosting集成学习原理与R语言提升回归树BRT预测短鳍鳗分布生态学实例，时长10:25假设给定包含猫和其他动物图像的数据集，您被要求构建一个模型，可以将这些图

r语言

算法

数据

拟合

原创 2022-04-18 13:59:36 7643 阅读

拓端tecdat|R语言结构方程模型SEM分析心理学和营销研究数据路径图可视化

构方程建模 (SEM) 是一种全面而灵活的方法，包括在假设模型中研究变量之间的关系，无论它们是测量的还是潜在的，这意味着不可直接观察到，就像任何心理构造（例如，智力、满意度，希望，信任）。因为它是一种多元分析方法，它结合了因子分析的输入以及基于或衍生自多元回归分析方

算法

r语言

建模

因子分析

原创 2022-04-18 13:59:06 7617 阅读

拓端tecdat|Python银行机器学习:回归、随机森林、KNN近邻、决策树、高斯朴素贝叶斯、支持向量机svm分析营销活动数据

银行数据集我们的数据集描述该数据与银行机构的直接营销活动相关，营销活动基于电话。通常，需要与同一客户的多个联系人联系，以便访问产品（银行定期存款）是否会（“是”）或不会（“否”）。y - 客户是否了定期存款？（二进制：'是'，'否'）我们的目标是选择最好的回归模型来让客户或不定期存款。我们将使用如下算法：线性回归随机森林回归 KNN近邻决策树高斯朴素贝叶斯.

算法

python

数据

决策树

随机森林

原创 2022-04-18 13:58:45 7695 阅读

【视频】文本挖掘：主题模型（LDA）及R语言实现分析游记数据

们经常有文档集合，例如博客文章或新闻文章，我们希望将它们分成自然组，以便我们理解它们。主题建模是一种对此类文档进行分类的方法。在本视频中，我们介绍了潜在狄利克雷分配LDA模型，并通过R软件应用于数据集来理解它。视频：文本挖掘：主题模型（LDA）及R语言实现分析游记数据

r语言

聚类

机器学习

建模

数据

原创 2022-04-18 10:18:44 8077 阅读

拓端tecdat|R语言ARMA GARCH COPULA模型拟合股票收益率时间序列和模拟可视化

本文中，我们展示了 copula GARCH 方法拟合模拟数据和股票数据并进行可视化。r还提供了一个特殊情况（具有正态或学生 t残差）。一、如何在R中对股票x和y的收益率拟合copula模型数据集为了这个例子的目的，我使用了一个简单的股票x和y的收益率数据集（x.txt和y.txt）。

r语言

开发语言

拟合

数据

原创 2022-04-18 10:18:11 289 阅读

拓端tecdat|R语言向量自回归VAR的迭代多元预测估计 GDP 增长率时间序列

VARs的结构也允许联合检验多个方程的限制。例如，检验滞后p的所有回归变量的系数是否为零，可能是有意义的。这相当于检验滞后阶数p-1是正确的原假设。系数估计值的大样本联合正态性很方便，因为它意味着我们可以简单地使用F检验来解决这个检验问题。这种检验统计量的明确公式相当复杂

r语言

回归

开发语言

迭代

时间序列

原创 2022-04-18 10:17:44 7938 阅读

拓端tecdat|MATLAB用Lasso回归拟合高维数据和交叉验证

示例显示如何lasso识别和舍弃不必要的预测变量。使用各种方法从指数分布生成 200 个五维数据 X 样本。rng(3,'twister') % 实现可重复性for i = 1:5

matlab

回归

开发语言

r语言

交叉验证

原创 2022-04-18 10:17:20 7584 阅读

【视频】线性混合效应模型(LMM,Linear Mixed Models)和R语言实现案例

果您熟悉线性模型，意识到它们的局限，那么您应该学习线性混合模型mixed-model。本视频中，我们讨论了线性混合模型并在R软件中进行应用。视频：线性混合效应模型(LMM,Linear Mixed Models)和R语言实现线性混合效应模型(LMM,Linear Mixed Models)和R语言实现案例时长12:13什么是混合效应建模，为什么要使用？统计分析中许多问题的传统方法.

音视频

r语言

算法

拟合

数据

原创 2022-04-18 10:17:01 8031 阅读

拓端tecdat|R语言多变量广义正交GARCH（GO-GARCH）模型对股市高维波动率时间序列拟合预测

多变量波动率预测中，我们有时会看到对少数主成分驱动的协方差矩阵建模，而不是完整的股票。使用这种因子波动率模型的优势是很多的。首先，你不需要对每个股票单独建模，你可以处理流动性相当弱的股票。第二，因子波动率模型在计算成本低。第三，与指数加权模型相比，持久性参数（

r语言

golang

开发语言

协方差矩阵

数据

原创 2022-04-18 10:14:24 212 阅读

拓端tecdat|R语言样条曲线、分段线性回归模型piecewise regression估计个股beta值分析收益率数据

一只股票的beta值通常意味着它与市场的关系，当市场变动 1%时，我们期望股票会发生多少百分比的变动。市场，是一个有点模糊的概念，像往常一样，我们使用标准普尔500指数进行近似计算。上述关系（以下简称β）对交易和风险管理的许多方面是不利的。

r语言

线性回归

开发语言

数据

拟合

原创 2022-04-18 10:13:58 113 阅读

拓端tecdat|R语言用收缩估计股票beta系数回归分析Microsoft收益率风险

配对交易提出的问题之一是股票的贝塔值相对于市场的不稳定估计。这是一个可能的解决方案的建议，这并不是真正的解决方案。看看下图：Microsoft的滚动系数（回归：MSFT~SPY）- 120 天的窗口，纯蓝色是使用完整样本估计的 beta我们可以看到截距并没有太大的波动，这确实意味着如果市场不波动，MSFT 也不会。然而，beta在稳定的市场（贝塔 = 1）和中性（贝塔 = 0）之间波.

r语言

回归

microsoft

数据

解决方案

原创 2022-04-18 10:13:32 58 阅读

拓端tecdat|R语言GJR-GARCH和GARCH波动率预测普尔指数时间序列和Mincer Zarnowitz回归、DM检验、JB检验

在投资组合管理、风险管理和衍生品定价中，波动性起着重要作用。事实上如此重要，以至于您可以找到比您可以处理的更多的波动率模型。接下来是检查每个模型在样本内外的表现如何。以下是您可以做的三件事：1. 基于回归的检验——Mincer Zarnowitz 回归这个想法很简单，回归预测的实际（实

r语言

回归

开发语言

数据

拟合

原创 2022-04-18 10:12:58 320 阅读

拓端tecdat|R语言数量生态学冗余分析RDA分析植物多样性物种数据结果可视化

号冗余分析（redundancy analysis，RDA）是一种回归分析结合主成分分析的排序方法，也是多因变量（multiresponse）回归分析的拓展。从概念上讲，RDA是因变量矩阵与解释变量之间多元多重线性回归的拟合值矩阵的PCA分析。本报告对植物生态多样性做了数据分析。冗余分析首先，加载数据。要加载数据，所有文件都必须在工作目录中。ste <- read.csv("s..

r语言

开发语言

数据

数据分析

原创 2022-04-18 10:12:28 7504 阅读

【视频】时间序列分析：ARIMA-ARCH / GARCH模型分析股票价格

分析模型 ARIMA-ARCH GARCH模型分析股票价格数据视频：时间序列分析：ARIMA GARCH模型分析股票价格数据简介时间序列分析是统计学中的一个主要分支，主要侧重于分析数据集以研究数据的特征并提取有意义的统计信息来预测序列的未来值。时序分析有两种方法，即频域和时域

概率论

机器学习

人工智能

时间序列

方差

原创 2022-04-18 10:11:53 196 阅读

【视频】R语言中的分布滞后非线性模型（DLNM）与发病率，死亡率和空气污染示例

文提供了运行分布滞后非线性模型的示例，同时描述了预测变量和结果之间的非线性和滞后效应，这种相互关系被定义为暴露-滞后-反应关联。R语言中的分布滞后非线性模型（DLNM）与发病率，死亡率和空气污染示例视频：R语言中的分布滞后非线性模型（DLNM）数据数据集包含1987-2000年期间每

r语言

音视频

机器学习

时间序列

数据

原创 2022-04-18 10:10:32 7583 阅读

拓端tecdat|R语言用有限混合模型(FMM,finite mixture model)创建衰退指标对股市SPY、ETF收益聚类和双坐标图可视化

讲，我们可以将金融市场状况分为两类：牛市和熊市。第一个是平稳且通常向上倾斜。第二个描述了一个低迷的市场，通常更不稳定。在任何特定时刻，我们只能猜测自己所处的状态；因为这两个状态没有统一准确的定义。在这篇文章中，我们将使用（有限）混合模型来尝试将每日股票收益分配给他们的牛\熊子组。它本质上是一个无监督的聚类练习。我们创建自己的衰退指标，以帮助我们量化股市。我们使用最少的输入，只使用股票收益数据.

r语言

聚类

开发语言

数据

方差

原创 2022-04-18 10:10:01 69 阅读

拓端tecdat|R语言分位数自回归QAR分析痛苦指数：失业率与通货膨胀率时间序列

“分位数自回归”，它是对时间序列域的重要扩展。本教程的数据是痛苦指数，它是一个月频率时间序列，总和：（失业率 + 通货膨胀率）构成所谓的“苦难指数”。“什么是痛苦指数?就是失业率与通货膨胀率之和”。该指数认为，失业与通货膨胀给人们带来的痛苦是相同的，失业率上升1%与通胀率上升1%对人们构成同样程度的“痛苦”。加载数据首先加载数据并检查不同的信息标准对模型中滞后阶数的评估：options(..

r语言

回归

开发语言

时间序列

拟合

原创 2022-04-18 10:09:36 7411 阅读

拓端tecdat|R语言MCMC的rstan贝叶斯回归模型和标准线性回归模型比较

在有了对贝叶斯方法的概念理解，我们将实际研究使用它的回归模型。为了简单起见，我们从回归的标准线性模型开始。然后添加对采样分

回归

r语言

线性回归

数据

建模

原创 2022-04-18 10:09:22 7492 阅读

拓端tecdat|python贝叶斯随机过程：马尔可夫链Markov-Chain，MC和Metropolis-Hastings，MH采样算法可视化

介绍本文，我们说明了贝叶斯学习和计算统计一些结果。from math import pifrom pylab import *马尔可夫链的不变测度考虑一个高斯 AR(1) 过程，，其中是标准高斯随机变量的独立同分布序列，独立于。假使.。然后，具有均值的高斯分布和方差是马尔可夫链的平稳分布。我们用马尔可夫链的单个轨迹所取值的直方图来检查这个属性。...

python

算法

开发语言

r语言

直方图

原创 2022-04-18 10:08:47 7639 阅读

拓端tecdat|R语言ARIMA、ARIMAX、动态回归和OLS 回归预测多元时间序列

当ARIMA模型包括其它时间序列作为输入变量时,被称为传递函数模型(transfer function model)、多变量时间序列模型(multivariate time series model)、ARIMAX模型或Box-Tiao模型。传递函数模型是ARIMA模型的自然推广,Pankratz统称这种包含其它时间序列作为输入变量的ARIMA模型为动

r语言

回归

时间序列

arima

数据

原创 2022-04-18 10:08:11 7612 阅读

R语言分位数自回归QAR分析痛苦指数：失业率与通货膨胀率时间序列

原文出处：拓端数据部落公众号“分位数自回归”，它是对时间序列域的重要扩展。本教程的数据是痛苦指数，它是一个月频率时间序列，总和：（失业率 + 通货膨胀率）构成所谓的“苦难指数”。 “什么是痛苦指数?就是失业率与通货膨胀率之和”。该指数认为，失业与通货膨胀给人们带来的痛苦是相同的，失业率上升1%与通胀率上升1%对人

时间序列

r语言

拟合

原创 2022-04-17 18:59:11 320 阅读 yyds干货盘点

R语言GJR-GARCH和GARCH波动率预测普尔指数时间序列和Mincer Zarnowitz回归、DM检验、JB检验

原文出处：拓端数据部落公众号在投资组合管理、风险管理和衍生品定价中，波动性起着重要作用。事实上如此重要，以至于您可以找到比您可以处理的更多的波动率模型。接下来是检查每个模型在样本内外的表现如何。以下是您可以做的三件事：1. 基于回归的检验——Mincer Zarnowitz 回归这个想法很简单，回归预测的实际（实现）值：&

r语言

数据

jar

原创 2022-04-17 18:58:54 608 阅读 yyds干货盘点

R语言数量生态学冗余分析RDA分析植物多样性物种数据结果可视化

原文链接：http://tecdat.cn/?p=25564原文出处：拓端数据部落公众号冗余分析（redundancy analysis，RDA）是一种回归分析结合主成分分析的排序方法，也是多因变量（multiresponse）回归分析的拓展。从概念上讲，RDA是因变量矩阵与解释变量之间多元多重线性回归的拟合值矩阵的PCA分析。本报告对植物生态多样性做了数据分析。冗余分析首

数据

r语言

回归分析

原创 2022-04-17 18:58:17 3333 阅读 yyds干货盘点

Python多项式Logistic逻辑回归进行多类别分类和交叉验证准确度箱线图可视化

原文链接：http://tecdat.cn/?p=25583原文出处：拓端数据部落公众号多项式逻辑回归是逻辑回归的扩展，它增加了对多类分类问题的支持。默认情况下，逻辑回归仅限于两类分类问题。一些扩展，可以允许将逻辑回归用于多类分类问题，尽管它们要求首先将分类问题转换为多个二元分类问题。相反，多项逻辑回归算法是逻辑回归模型的扩展，涉及将损失函数更改为交叉熵损失，并

数据集

多项式

数据

原创 2022-04-17 18:57:54 583 阅读 yyds干货盘点

R语言用收缩估计股票beta系数回归分析Microsoft收益率风险

原文链接：http://tecdat.cn/?p=25610原文出处：拓端数据部落公众号配对交易提出的问题之一是股票的贝塔值相对于市场的不稳定估计。这是一个可能的解决方案的建议，这并不是真正的解决方案。看看下图：Microsoft的滚动系数（回归：MSFT~SPY）- 120 天的窗口，纯蓝色是使用完整样本估计的 beta我们可以看到截距并没有太大的波动，这确实意味着如果市场不波动

r语言

解决方案

数据

原创 2022-04-17 18:57:35 384 阅读 yyds干货盘点

【视频】LSTM神经网络架构和原理及其在Python中的预测应用|数据分享

原文链接：://tecdat.cn/?p=23544 长短期记忆网络——通常称为“LSTM”——是一种特殊的RNN递归神经网络，能够学习长期依赖关系。视频：LSTM神经网络架构和工作原理及其在Python中的预测应用LSTM神经网络架构和原理及其在Python中的预测应用什么是依赖关系？假设您在观看视频时记得前一个场景，或者在阅读一本书时您知道前一

神经网络

数据

时间序列

原创 2022-04-16 11:28:52 426 阅读 yyds干货盘点

R语言样条曲线、分段线性回归模型piecewise regression估计个股beta值分析收益率数据

原文链接：http://tecdat.cn/?p=25675原文出处：拓端数据部落公众号一只股票的beta值通常意味着它与市场的关系，当市场变动 1%时，我们期望股票会发生多少百分比的变动。市场，是一个有点模糊的概念，像往常一样，我们使用标准普尔500指数进行近似计算。上述关系（以下简称β）对交易和风险管理的许多方面是不利的。已经确定的是，波动率对于上涨的市场和下跌的市

r语言

数据

拟合

原创 2022-04-16 11:28:17 603 阅读 yyds干货盘点

R语言多变量广义正交GARCH（GO-GARCH）模型对股市高维波动率时间序列拟合预测

原文链接：http://tecdat.cn/?p=25687原文出处：拓端数据部落公众号在多变量波动率预测中，我们有时会看到对少数主成分驱动的协方差矩阵建模，而不是完整的股票。使用这种因子波动率模型的优势是很多的。首先，你不需要对每个股票单独建模，你可以处理流动性相当弱的股票。第二，因子波动率模型在计算成本低。第三，与指数加权模型相比，持久性参数（通常表示为）不必在所有股票

r语言

协方差矩阵

协方差

原创 2022-04-16 11:27:53 374 阅读 yyds干货盘点

官方博客	全部文章	热门标签	班级博客
了解我们	网站地图	意见反馈

鸿蒙开发者社区	51CTO学堂
51CTO	软考资讯

51CTO博客

拓端小助手