一、CAPM 模型和公式参考作者：肖睿在量化课堂的文章CAPM 公式CAPM 公式是从以上模型框架推导出的数学表达式，它表达了任何风险资产的收益率和市场组合的收益率之间关系。在这个公式中，任何风险资产的收益率都可以被分为两个部分：无风险收益（利率）和风险收益（ββ 收益）。我们先看公式。定理（CAPM 公式）. 对于某一风险资产 S（可以把 SS想象为一种证
转载
2024-02-05 22:03:25
61阅读
## 如何实现CoVaR的Python代码
### 简介
CoVaR（Conditional Value at Risk）是一种风险管理工具，用于评估在特定条件下，金融资产组合潜在的损失。作为一个新手开发者，实现CoVaR的Python代码可能看起来复杂，但我们可以通过分步进行来简化任务。以下是实现CoVaR的步骤。
### 流程概述
| 步骤 | 描述
1.Python介绍python的创始人为吉多·范罗苏姆（Guido van Rossum）。1989年的圣诞节期间，吉多·范罗苏姆为了在阿姆斯特丹打发时间，决心开发一个新的脚本解释程序，作为ABC语言的一种继承。python是一门解释性语言。 2.Python应用领域web全栈开发、网络编程、爬虫、云计算、人工智能、自动化运维、金融分析、科学运算、游戏开发等。 3.Pytho
转载
2023-12-25 12:21:48
40阅读
xdb.db.Modelxdb.db.Model 是一个 Python 的 数据库模型操作类库，适合在简易爬虫中使用，无需进行SQL的手动拼接。APIstableName() -> string返回需要操作的数据库表的名称，如果不重写本方法，那么模型自动操作模型对应的数据表名(区分大小写)，如果重写 tableName() 函数，那么必须返回数据表名，否则报错。fields(args) -&
转载
2023-08-06 15:37:48
126阅读
目标• 凸缺陷，以及如何找凸缺陷• 找某一点到一个多边形的最短距离• 不同形状的匹配凸缺陷前面我们已经学习了轮廓的凸包，对象上的任何凹陷都被成为凸缺陷。OpenCV 中有一个函数 cv.convexityDefect() 可以帮助我们找到凸缺陷。函数调用如下：hull = cv2.convexHull(cnt,returnPoints = False)
defects = cv2.convexit
转载
2023-11-03 11:53:48
114阅读
# 使用Python计算CoVaR的指南
随着金融市场风险管理的不断发展，CoVaR（条件风险价值）已成为衡量系统性风险的重要工具。尽管CoVaR的计算过程看似复杂，但通过Python，我们可以清晰而简便地实现这一功能。本文将逐步带您理解CoVaR的计算流程，并提供代码示例，以便您能够实现这一工具。
## 流程概述
在开始之前，让我们先来看一下计算CoVaR的基本流程。下表展示了实现CoVa
4.1 相关性使用cov函数计算股票收益率的协方差矩阵：covariance = np.cov(bhp_returns, vale_returns)
print "Covariance", covariance使用diagonal函数查看对角线上的元素：print "Covariance diagonal", covariance.diagonal()使用trace函数计算矩阵的迹，即对角线上元素
转载
2024-01-03 16:44:03
33阅读
# Python实现CoVaR：风险度量的创新方法
在风险管理领域，条件风险价值（CoVaR）是一种重要的工具，用于评估在极端情况下一个金融机构对另一个金融机构的风险影响。与传统的VaR（价值-at-风险）不同，CoVaR可以帮助我们理解金融系统中的相互关联性及其对整体系统稳定性的影响。
## CoVaR的基本概念
CoVaR 描述的是在某一特定金融机构处于极端风险情况下，其他金融机构的潜在
在金融风险管理中，Conditional Value-at-Risk (CoVaR) 是一个重要的工具，用于衡量在某些压力条件下的潜在损失。这篇博文将详细解释如何在 Python 中计算 CoVaR，并记录过程中的发现与解决方案。
## 问题背景
在金融市场中，风险管理是确保资产安全的重要部分。在评估极端市场情况时，CoVaR 提供了一种量化的方法，用于此类市场条件下的风险评估。计算 CoVaR
协方差 python There is always a confusion when you are pursuing Statistical concepts. Let us see Covariance and Correlation in detail in this article. 当您追求统计概念时，总是会感到困惑。 让我们在本文中详细了解协方差和相关性。 First useful
转载
2023-09-24 23:42:18
84阅读
时变动态分位数CoVaR、delta-CoVaR，分位数回归 △CoVaR测度 溢出效应 动态
Adrian2016基于分位数回归方法计算动态条件在险价值。
R语言代码，代码更换数据就能用，需要修改的地方都已标明，并且举例怎么修改
每一行代码都有注释，一次可以计算出所有结果，不需要像Eviews一样两两重复计算。
例子为31家金融机构11-22年数据，包含4个宏观状态变量，计算结果见下图。
时
89. 四则运算练习题及Python等额本息代码 文章目录89. 四则运算练习题及Python等额本息代码1. 加法运算2. 乘法运算3. 保留2位小数4. 等额本息代码 1. 加法运算【目标任务】张三原持有股票数量为1000，今天张三又买入500股，用input函数从终端输入的方式输出张三现在持有的股数。【输入】张三原持有股数：1000张三今天买入股数：500【输出】张三目前持有股数为：1500
转载
2023-10-16 13:45:03
109阅读
PS：本文以官方文章的内容为主，并尝试加入一些自己的理解。3.1 对象(s)，价值(s)和类型(s)。对象是python绝对数据类型，所有python program中的数据,或者被对象所代表，或者被对象之间的联系所代表。(某种意义上，符合冯.诺依曼“可储存可编程计算机”的模型，code也可被对象代表)每一个对象都有一个identity，一个类型和一个值。一个对象的identity，一旦对象被创造
转载
2023-10-10 10:29:58
137阅读
金融系统性风险的网络模型Introduction清算机制Eisenberg–Noe algorithm由于双边银行敞口导致的违约级联信用质量恶化造成的危机扩散投资组合重叠和价格介导的传染银行间网络的经验结构 Introduction金融系统性风险的研究是一个跨学科的研究（其背景涉及economics and finance, statistical physics, ecology, engin
转载
2024-01-22 11:51:46
152阅读
一、RFM1、 RFM模型是众多客户关系管理（CRM）分析方法中的一种，能够方便快速有效的量化用户价值和创利能力。2、RFM模型有三个要素，分别是：Recency（最近一次交易距今时间）、Frequency（交易频率）、Monetary（交易金额）。R值（最近一次交易距今时间）用户最近一次交易距今的时间。间隔时间越短，则值越大，这类客户也是最有可能对活动产生反应的群体。F值（交易频率）用户在限定的
转载
2024-08-12 20:58:08
30阅读
# 教你使用 SQL Server 中的 COVAR 函数
在数据科学和数据库管理中，了解和使用统计函数非常重要。本文将教你如何在 SQL Server 中使用 COVAR 函数。COVAR 是协方差的计算函数，常用于统计分析中，能够帮助你衡量两个变量之间的线性关系。接下来，我将详细展示使用 COVAR 函数的流程，以及每一步所需的 SQL 代码。
## 一、流程概述
我们将分步骤完成这个任
## 用Python创建OpenSees模型的科普文章
OpenSees是一种用于非线性结构分析的开源软件，它提供了一种高效的方法来模拟结构在地震等载荷下的行为。本文将介绍如何使用Python编写OpenSees模型的代码，并通过一个简单的示例来演示其用法。
### 什么是OpenSees？
OpenSees（Open System for Earthquake Engineering Si
原创
2023-12-10 09:05:36
1126阅读
数据包络分析DEA时，其研究投入产出效率情况，并且其假定投入和产出之间存在单调线性关系，其为一种线性规划技术来确定DMU相对效率的方法。但有时候会多出下‘非期望产出’，就是不希望有它产出，比如资金投入、教育投入换来了GDP上升和人口素质提升，但同时可能带来环境污染这个非期望产出项。在此种情况时，DEA模型则不满足单调线性关系要求。此时则需要使用非期望SBM模型，该模型由Tone(2001)提出。非
# 实现面板模型的Python代码
在这篇文章中，我们将一起学习如何用Python实现面板模型。面板数据是一种包含多个个体（如公司、国家等）、在多个时间点上观测的数据类型。其在统计学和经济学中有广泛的应用。下面，我们会通过几个步骤来实现一个简单的面板模型，最终展示我们的结果。
## 内容流程
在开始之前，首先看一下我们要实现的步骤：
| 步骤 | 描述 |
| ---- | ---- |
原创
2024-10-16 07:04:06
171阅读
# ARIMA模型简介及Python实现
## 一、什么是ARIMA模型？
ARIMA（自回归积分滑动平均模型）是一种用于时间序列预测的统计模型。它结合了自回归（AR）和滑动平均（MA）两个方面，并通过积分过程来确保数据的平稳性。ARIMA模型广泛应用于经济、气象、金融等领域，以帮助分析和预测时间序列数据的未来趋势。
ARIMA模型的基本结构有三个参数：\(p\)、\(d\)和\(q\)：
