案例背景最近看到要做三因子模型的同学还挺多的，就是所谓的Fama-French回归模型，也就是CAMP资本资产定价模型的升级版，然后后面还升级为了五因子模型。看起来眼花缭乱，其实抛开金融资产定价的背景，从机器学习角度来看，就是多元线性回归.......很low也很简单。数据也很简单，以日度数据为例，y就是一个资产的日度收益率，例如一只股票的每天的收益率。X就是日度的五个因子数据，mkt_rf [市
使用qteasy自定义并回测一个多因子选股策略使用qteasy自定义并回测一个多因子选股策略策略思想定义策略运行策略 使用qteasy自定义并回测一个多因子选股策略我们今天使用qteasy来回测一个多因子选股交易策略，qteasy是一个功能全面且易用的量化交易策略框架，Github地址在这里。使用它，能轻松地获取历史数据，创建交易策略并完成回测和优化，还能实盘运行。项目文档在这里。为了继续本章的
2020年SCI影响因子预测 （值得收藏） 2020年的影响因子即将出炉，按往年的公布情况，影响因子将于6月中下旬公布。在2019年，iNature团队预测了236本杂志，其中有218本能准确的预测。趁着这个时机，iNature团队主要关注2019年影响因子大于20的杂志，同时加上一些常见的生物医学领域的期刊及国内主办的期刊，共97本，我们发现：【1】相比于
一、案例说明1.案例说明研究短视频平台进行品牌传播的关系情况，品牌维度分为品牌活动，品牌代言人，社会责任感和品牌赞助共4项。还有购买意愿数据。案例数据中还包括基本个体特征比如性别、年龄，学历，月收等。以及短视频平台观看情况和消费情况。数据样本为200个。2.分析目的先通过因子分析，用少量因子反映分析题目的信息，从而达到降低维度，便于分析的目的，然后对因子命名用于回归分析。研究品牌四个维度对于购买意
转载
2023-10-31 19:55:20
130阅读
本文是根据这篇博客写出来的。其中的公式什么的可以去这个博客里面看。 本文主要讲述的是关于其中的线性回归算法中每一段的意思，以供自己以后参考学习。import numpy as np #引入numpy科学计算库
import matplotlib.pyplot as plt #引入绘图库
from sklearn.model_selection import train_test_split#从sk
转载
2023-11-19 18:34:42
168阅读
sklearn.linear_model中的LinearRegression可实现线性回归 LinearRegression 的构造方法：
转载
2023-05-22 23:39:39
440阅读
一、线性回归首先，在介绍线性回归之前，先用一个简化的模型作为引入。假设某地的房价影响因素有地理位置、人流量以及面积大小，分别记为x1、x2、x3。而房屋的最终成交价 y = w1x1 + w2x2 + w3x3 + b。此即为线性模型，给定了n维输入 X = [x1, x2, ... , xn]T，以及模型的n维权重 w = [w1, w2, ..., wn]T和标量偏差b，模型的输出
转载
2023-10-08 08:08:41
267阅读
目录一、建立回归模型二、判断有无自相关性（1）图示检验法1（2）图示检验法2（3）DW检验法三、迭代法处理自相关四、差分法处理自相关五、不同处理方法的选择由上图可知，散点图结果大部分落在了第Ⅰ，Ⅲ象限，表明随机扰动项存在正的序列相关。（3）DW检验法相关知识：0≤DW≤误差项ε间存在正自相关<DW≤不能判定是否有自相关<DW<4-误差项间无自相关4-≤DW<4-不能判定是否
转载
2024-08-01 08:42:47
31阅读
标签：线性回归模型（Linear Regression）及Python实现1.模型对于一份数据，它有两个变量，分别是Petal.Width和Sepal.Length，画出它们的散点图。我们希望可以构建一个函数去预测Sepal.Length，当我们输入Petal.Width时，可以返回一个预测的Sepal.Length。从散点图可以发现，可以用一条直线去拟合，这时我们可以构建一元线性回归模型：hθ(
转载
2023-11-21 10:45:32
90阅读
Python建立线性回归模型进行房价预测前期准备多因子房价预测实战流程1.数据加载2.数据可视化3.数据预处理4.模型建立与训练5.模型预测6.模型评估7.房价预测数据与代码 前期准备本文使用Jupyter-notebook作为集成开发环境，使用Scikit-learn库搭建线性回归模型进行房价预测，Scikit–learn具有三大优点：丰富的算法模块易于安装和使用样例丰富教程文档详细官网：htt
转载
2023-09-15 09:56:24
72阅读
下面是一个线性回归模型的 Python 代码示例：
转载
2023-05-22 23:07:02
327阅读
使用Python训练回归模型并进行预测回归分析是一种常见的统计方法，用于确定不同变量间的相互关系。在Excel中可以通过数据分析菜单中的回归功能快速完成。本篇文章将介绍在python中使用机器学习库sklearn建立简单回归模型的过程。1. 准备工作首先是开始前的准备工作，在创建回归模型的过程中我们需要使用以下几个库文件，他们分别为sklearn库，numpy库，pandas库和matplotli
转载
2023-07-24 07:58:52
226阅读
线性回归预测模型的实现（linear model）y=x*w+b通过 numpy包穷举找到线性模型的预测的w和b值，并用matplotlib和mpl_toolkits包画出在训练过程中w、b、loss的三维变化。 1、实现y=x*w + b线性回归预测。关键是求解出w和b的值，w和b的值知道了其线性模型就确定了。 如下图所示：xy15283112、训练模型需要调用的包和原始数据（存于列表中，为浮点
转载
2023-12-12 15:19:44
90阅读
1 预测区间与置信区间的差别 预测区间估计(prediction interval estimate)：利用估计的回归方程，对于自变量 x 的一个给定值 x0 ，求出因变量 y 的一个个别值的估计区间。变量的估计叫预测区间，预测区间反映了单个数值的不确定性； 置信区间估计(confidence
转载
2023-11-25 11:28:36
361阅读
又是一年一度“剁手节”有人说感到今年的双十一冷清了许多，很多人都很好奇今年双十一会产生多少交易额？SPSAU这里打算科学预测一下今年的天猫“双十一”的销售额。预测的模型方法有很多种我们选择常用的一元线性回归模型来简单预测,一起来看看吧！一、建立回归模型我们利用一元线性回归模型对双十一销售额预测 ，需要设置一个指标变量作为自变量，这里选择国内生产总值（GDP）来作为自变量。从经济和社会发展规律来说，
转载
2024-01-11 13:10:12
226阅读
因子分析如同主成分分析（PCA）一样也是一种降维的方法，其思想与PCA也是相似的。它们最直观的区别在于因子分析是要构造出新的因子构造因子模型，而并非仅仅将原始变量的线性组合表示新的综合变量（PCA的升级版）。 因子分析形式类似一个多元线性回归过程。首先要假象有一些公共因子和特殊因子，公共因子是不可观测的变量，而特殊因子是不能
转载
2024-03-20 21:01:31
24阅读
机器学习是一种实现人工智能的方法从数据中寻找规律、建立关系，根据建立的关系去解决问题机器学习的应用场景数据挖掘、计算机视觉、自然语言处理、证人…
原创
精选
2024-01-17 06:52:35
437阅读
引入回归分析是数据分析中最基础也是最重要的分析工具，绝大多数的 数据分析问题，都可以使用回归的思想来解决。回归分析的任务就是， 通过研究自变量X和因变量Y的相关关系，尝试去解释Y的形成机制，进 而达到通过X去预测Y的目的。回归分析要完成的三个使命： 第一、识别重要变量； 第二、判断相关性的方向； 第三、要估计权重（回归系数）。数据类型横截面数据：在某一时点收集的不同对象的数据。 例如： （1）我们
转载
2023-10-14 06:35:48
77阅读
文章目录1. 一元回归——通过面积预测房价2. 建立多元回归模型——波士顿房价预测数据集使用的第三方库读取并处理数据查看数据查看数据分散情况——绘制箱形图数据集分割建立多元回归模型测试画图表示结果 1. 一元回归——通过面积预测房价数据集：csv格式No,square_feet,price
1,150,6450
2,200,7450
3,250,8450
4,300,9450
5,350,114
转载
2023-10-14 20:45:11
273阅读
基于Python的线性回归预测模型介绍及实践这是一篇学习的总结笔记完整代码及实践所用数据集等资料放置于：Github线性回归预测模型属于经典的统计学模型，该模型的应用场景是根据已知的变量（即自变量）来预测某个连续的数值变量（因变量）。例如，餐厅根据每天的营业数据（菜谱价格、就餐人数等等）来预测就餐规模或者营业额；网站根据访问的历史数据（包括新用户的注册量、老用户的活跃度等等）来预测用户的支付转化率
转载
2023-07-14 19:27:31
660阅读
