这是一篇ICASSP 2018里的文章，文章
LEARNING TEMPORAL RELATIONSHIPS BETWEEN FINANCIAL SIGNALS
这篇文章提供的是一个分析金融时序之间temporal关系的方法
1.通过市场敏感性因子alpha，自相关参数gama，关系参数omiga提供了两个标的之间的关联 以这三者为参数来构造了一个回归模型
总体来说分为如下的几个部分
首先定义了
原创
2021-06-29 10:57:34
667阅读
点赞
一、金融数据的获取与处理导入包，通过pandas_datareader模块来从yahoo获取金融数据信息，应该是网站的问题，显示超时，获取不到数据，所以本文数据可以直接从文末尾的百度网盘中提取。import datetime
import pandas as pd
import pandas_datareader.data as web
import numpy as np
import
转载
2023-07-30 19:30:50
0阅读
的是，我们的时间序列包含明显的趋势和季节性，这两者都会影响我们的算法准确预测时间序列的能力。 我们可以通过使用差分和变换技术..
原创
2021-06-29 14:52:15
1506阅读
GARCH模型https://www.math.pku.edu.cn/teachers/lidf/course/fts/ftsnotes/html/_ftsnotes/fts-garch.html金融时间序列入门【完结篇】--- ARCH、GARCHhttps://zhuanlan.zhihu.com/p/21962996
原创
2021-06-29 14:25:56
486阅读
概念时间序列时间序列（或称动态数列）是指将同一统计指标的数值按其发生的时间先后顺序排列而成的数列。时间序列分析的主要目的是根据已有的历史数据对未来进行预测。时间序列分析时间序列分析是根据系统观察得到的时间序列数据，通过曲线拟合和参数估计来建立数学模型的理论和方法。时间序列分析常用于国民宏观经济控制、市场潜力预测、气象预测、农作物害虫灾害预报等各个方面。组成要素构成要素：长期趋势，季节变动，循环变动
时间序列分析原理：时间序列预测是通过使用过去的数据点对行为进行预测的方式，
朴素预测法预测第二天数据，提取前一天的数据作为值
简单平均法预测的期望值等于先前所有观测点的平均值，这种情况适用于在一定时期内数据只出现小幅变得，但整体确实保持不变
移动平均法与简单平均法，类似，不过去先前数据点是取一定数据比如取前面n个数据的平均值作为预测值
加权移动平均法加权，移动平均法之上改进，移动等同于在过去的n
原创
2022-06-23 17:38:57
254阅读
在生产和科学研究中，对某一个或一组变量x(t)进行观察测量，将在一系列时刻t1, t2, …, tn (t为自变量且t1<t2<…< tn ) 所得到的离散数字组成序列集合x(t1), x(t2), …, x(tn)，我们称之为时间序列，这种有时间意义的序列也称为动态数据。这样的动态数据在自然、经济及社会等领域都是很常见的。如在一定生态条件下，动植物种群数量逐月或逐年的消长过
原创
2023-11-07 11:26:10
116阅读
对结构VAR模型中不同时刻随机变量建立有向非循环图（DAG），要检验随机变量之间的条件独立性，然后再对存在的相依联系确定方向。1.线性结构VAR模型和线性广义条件独立图的定义根据DAG的定义，并不是所有的VAR模型的因果相依联系都可以用DAG表示，首先提出线性结构VAR模型的定义。设是一个k维时间序列，是一个k维白噪声序列。线性结构VAR模型 设k维时间序列由满足下面条件的p阶线性结构VAR模型产
一、时间序列的基本概念 按照时间的顺序把随机时间变化发展的过程记录下来就构成了一个时间序列，对时间序列进行观察、研究，寻找它的变化发展规律，预测它将来的走势，就是时间序列分析。 在统计研究中，常用按时间顺序排列的一组随机变量
时间是阻止所有事情同时发生的力量。——雷•卡明斯本节使用的是以CSV文件形式在本地存储的金融数据集形式为本地存储的CSV文件。
原创
2022-04-20 23:08:11
1577阅读
1评论
文章目录1. 导言1.1 基本定义1.2 预测评估指标2. 移动、平滑、评估2.1 滑动窗口估计2.1.1 moving average2.1.2 weighted average2.2 指数平滑2.2.1 exponential smoothing2.2.2 double exponential smoothing2.2.3 Triple exponential smoothing2.3 时间
时间序列日常生活中我们的大多数诗句都是跟时间相关的，比如股票数据，每一个时间段的盈亏，因此，我了解了时间序列这个方便我们分析与时间相关的数据。时间戳import time
time.time() # 查看当前的时间戳
# 输出
1584431953.366432
# 将时间戳转换成本地时间类型
t = time.time()
loc_t = time.localtime(t)
loc_t
#
这真是一个比较纠结的问题，网上很多关于数据集不平衡处理方法的技术，但是直面金融数据时间序列分析的？没有？我也没有什么资格可以评判什么，这里写的就是一个大四转行学生对于这些问题的一些思考吧。。首先是采样，这里的内容来自这里：链接1. 采样采样方法是通过对训练集进行处理使其从不平衡的数据集变成平衡的数据集，在大部分情况下会对最终的结果带来提升。采样分为上采样（Oversamplin...
原创
2021-06-29 15:02:45
824阅读
今天给大家带来一个企业级数据挖掘实战项目，金融贷款分类模型和时间序列分析，文章较长，建议收藏！如果本文对你有所帮助，记得文末点赞和在看，也可分享给你需要的朋友～项目背景银行和其他金融贷款机构经常需要查看贷款申请人的信用历史、经济状况和其他因素，以确定贷款资格，但这些因素之间的关系通常不是明确定义的，但在本质上可以得到启发的。通常情况下，公司近况，如其近期的兴衰，也被作为决定其财务稳定性的考虑因素。
转载
2022-11-29 17:33:38
493阅读
多少年后，小f想起了自己还是刚刚出道的小萌新时候犯的一个错误，当时模型的准确率贼高，高的离谱，就像下面这种情况 precision recall f1-score support -1 1 1 1 1934 0 1 1 ...
转载
2021-06-29 15:02:17
263阅读
时间序列分析研究时间序列分析(Time series analysis)是一种动态数据处理的统计方法。该方法基于随机过程理论和数理统计学方法，研究随机数据序列所遵从的统计规律以用于解决实际问题。 简单说，就是通过寻找时间的规律来发现过程的特征，这种方法被广泛应用于很多领域。通过这种方法，我们会发现一个数学特征，也就是时间序列的图，居然与过程发展的特征有着正相关的契合度，甚至是重叠。这里
传统统计模型的劣势：假设这些与时间有关的临近的样本点之间的关系是独立同分布的时间序列分析：最系统的方法就是，回答一些由时间相关性带来的数学上与统计上的问题。时间序列分析的第一步：仔细观察数据，得出用于总结数据中所含信息的统计分析方法。得出方法之前我们需要证明时间序列的分析方法是存在的：时间域方法（time domain approach）和频率域方法（frequency domain approa
时间序列分析必须建立在预处理的基础上…… 今天看了一条新闻体会到了网络日志的重要性…… 指数平滑法（Exponential Smoothing，ES）是布朗(Robert G..Brown)所提出，布朗、认为时间序列的态势具有稳定性或规则性，所以时间序列可被合理地顺势推延；他认为最近的过...
转载
2013-06-23 22:30:00
238阅读
2评论
作者介绍@无名小卒一个热爱数据分析的工具人。“数据人创作者联盟”成员。2021年刚刚结束，小毛的便利店整体销量还不错，年末盘点时发现由于某种热销饮料库存大约缺少100箱，导致流失了部分营业额，因此小毛希望通过对历史年份销售数据的整理，对2022年进货量和销售额进行预测，合理制定2022年度购销计划，使2022年营业额迈向更高的台阶。小毛看着满眼的销售数据陷入了沉思……在上面案例中，小毛的问题是通过
原创
精选
2022-02-18 22:57:36
10000+阅读
