统计应用安装成本是免费游戏运营策略的关键部分。当每安装成本达到1~2美元的时候尤是如此。为此，发行商投入大量的资源进行玩家生命周期价值（LTV）预测。这些预测方式通常有如下三种：1、平均每日每活跃玩家收入（ARPDAU）2、交易预测3、不同玩家群体预测第一种方式为每日收入预测；第二种方式为每玩家交易的次数与额度预测；最后一种为通过同一群体的玩家历史价值进行预测；以下将会详细介绍这三种计算方式，从
参数法 正态VaR：假设资产组合的收益率服从正态分布，那么VaR也服从正态分布，VaR=-(μ-Z·σ)×P0，算出来的是loss，如果为负则为收益。μ为资产组合的期望收益率，用往年平均收益率替代；σ为组合收益率的波动率；Z=Φ-1( c )为正态分布的分位数（取正数）；P0为组合的价值。证明如下： 对数正态VaR：假设资产组合的对数收益率服从正态分布，那么VaR服从对数正态分布，VaR=(
转载
2023-09-18 16:00:20
10阅读
回顾VaR的定义，为未来收益的累计分布函数，那么 所以，VaR本质上为未来收益的分位点。要计算它，最重要的是估计未来收益的分布。在实际计算中有两种大的方向： 在满足某种分布（通常使用正态分布）的假设上，估计该分布的参数，便可确定整个分布，然后求分位点。对进行抽样，通过样本的分位点估计整个分布的分位点。 第一个方向被称为参数法；后一个方向成为模拟法，在实际使用中，又可分为历史模拟法和蒙特卡洛模拟法两种。对于这三种方法，不单需要知道它们的计算方法，更重要地是了解它们的假设和适用范围。以下提到的风险因子、风险映射、风险矩阵、估值等概念，已在【VaR Primer】风险因子和估值框架里详细描述。其它.
转载
2012-01-16 15:24:00
308阅读
2评论
# Python 基于历史模拟法统计的科普介绍
## 什么是历史模拟法？
历史模拟法（Historical Simulation Method）是一种用于风险管理和金融分析的常用技术。它的基本思想是通过对过去市场行为的模拟来评估未来可能的收益与风险。这种方法广泛应用于金融机构、投资组合管理和衍生品定价等领域。
历史模拟法的核心在于利用历史数据来计算各类指标，如收益率、波动率、最大回撤等。在现
原创
2024-10-03 06:33:13
32阅读
原文链接：http://tecdat.cn/?p=3817风险价值（VaR）及其所有相关问题仍然是风险管理中的主要模式。风险价值的一个关键问题是它没有适当地考虑波动率，这意味着危机期间风险被低估。解决这个问题的一个强有力的方法是将VaR与GARCH模型结合起来考虑条件波动性。为了说明这种方法，我们将一个正态分布的GARCH（1,1）应用于瑞士股票市场指数SMI。##Initi...
原创
2021-05-20 22:05:28
1183阅读
原文链接：http://tecdat.cn/?p=3817风险价值（VaR）及其所有相关问题仍然是风险管理中的主要模式。风险价值的一个关键问题是它没有适当地考虑波动率，这意味着危机期间风险被低估。解决这个问题的一个强有力的方法是将VaR与GARCH模型结合起来考虑条件波动性。为了说明这种方法，我们将一个正态分布的GARCH（1,1）应用于瑞士股票市场指数SMI。##Initi...
原创
2021-05-12 23:32:21
1101阅读
在bes3里面常常有各种mc，很容易让初学者混淆，下面做一个简单辨析。蒙特卡洛（MC）蒙特卡罗模拟因摩纳哥著名的赌场而得名。它能够帮助人们从数学上表述物理、化学、工程、经济学以及环境动力学中一些非常复杂的相互作用。数学家们称这种表述为“模式”，而当一种模式足够精确时， 他能产生与实际操作中对同一条件相同的反应。但蒙特卡罗模拟有一个危险的缺陷： 如果必须输入一个模式中的随机数并不像设想的那样是随机数
# 利用Python实现熵值法计算权重
熵值法是一种常用的多属性决策方法，用来为各个评估指标分配权重。它的基本原理是：信息量越大，熵值越小，权重越高；反之，信息量越小，熵值越大，权重越低。本文将利用Python实现熵值法进行权重计算，并进行简单的示例演示。
## 熵值法步骤
熵值法的计算流程通常包括以下几个步骤：
1. **数据标准化**：将各指标的数据标准化，以消除不同指标之间的量纲差异
原创
2024-10-23 04:47:09
447阅读
本文提出了一种算法，可以根据市场波动性在均值回归和趋势跟随策略之间进行切换。研究了两种模型：一种使用历史波动率，另一种使用Garch（1,1）波动率预测。均值回归策略使用RSI（2）建模：RSI（2）时为Long，否则为Short。趋势跟踪策略以SMA 50/200交叉建模：当SMA（50）> SMA（200）时为Long，否则为Short。相关视频以下代码从Yahoo Fiance加载历史
转载
2024-07-17 00:57:49
55阅读
算数运算符: + - * / // % **
var1=3
var2=4
res=var1+var2 #加法
res=var1-var2 #减法
res=var1*var2 #乘法
res=var1 / var2(结果为小数)
res=var1//var2(地板除整除,只取结果的整数部分,若除数或被除数中有一个是小数则在结果后加上.0)
res=var1%var2(取
转载
2023-08-09 23:25:49
86阅读
蒙特卡洛模拟貌似名字非常学术，其实其原理非常简单。蒙特卡洛是一个著名赌场的名字，将其命名为蒙特卡洛模拟是为了形象表示其方法含义。如果放在今天命名的话，也可以将其称为拉斯维加斯模拟或者澳门模拟。简而言之，蒙塔卡洛模拟通过将问题转化为概率统计问题进行求解。比如求圆周率的数值，有很多很多方法。蒙特卡洛模拟的方法是，以下图为例子进行说明： 向图中（x,y）范围为 [0,1]的黑色边框正
转载
2023-09-06 13:50:27
302阅读
蒙特卡罗法也称统计模拟法、统计试验法。是把概率现象作为研究对象的数值模拟方法。是按抽样调查法求取统计值来推定未知特性量的计算方法。蒙特卡罗法作为一种计算方法，是由美国数学家乌拉姆与美籍匈牙利数学家冯·诺伊曼在20世纪40年代中叶，为研制核武器的需要而首先提出来的。蒙特卡罗是摩纳哥的著名赌城，该法为表明其随机抽样的本质而命名，故适用于对离散系统进行计算仿真试验。在计算仿真中，通过构造一
转载
2024-02-29 14:14:51
77阅读
今天，谭编给大家演示一下，只利用Orign软件，两步法搞定曲线的微分。 1
数据的插值精简
我们从仪器测试得到的充放电数据文件中，按照充电、放电数据单独复制并粘贴为两列数据，那么我们得到4列数据(图1)，点击第3列顶部标题可以全选这一列，然后右键set as(设置为)→X，此时第3、4列自动变为X2、Y2。图1 充电、放电数据单独处理对数据进行插值精简，目的是去除重复数
转载
2024-01-11 14:24:38
166阅读
1.文章主要内容文章主要介绍了动态因子模型的理论与应用。主要讲述了动态因子模型的三个分支： 1.动态因子模型的预测：是一种大模型预测的形式，AR模型预测仅基于自身趋势的预测，SVAR可以加入其他变量，进行动态预测，但是SAVR模型加入过多变量会受到自由度限制。因此，当考虑一个因素受到多种因素共同影响时（因子数量应该大于多少，书中未提出衡量标准），应该考虑使用动态因子模型进行预测。 2.FAVAR模
转载
2024-06-07 17:03:10
101阅读
蓝桥杯必备算法模板（python蓝桥杯）：前缀和模板差分模板二分双指针位运算最大公约数和最小公倍数模板判断质数和埃氏筛法模板唯一分解定理和质因数分解关系和模板快速幂并查集区间合并回溯算法模板：DFS(深度优先搜索)BFS(广度优先搜索)最小生成树拓扑排序floyd算法狄克斯特拉算法动态规划(01背包)： ?只有把基础的算法模板熟练掌握，才有可能解决考场上变化的题目，本篇文章最适合了解这些算法的同
转载
2024-07-25 16:54:22
94阅读
# 滚动窗口计算VAR（Value at Risk）实现指南
在金融分析中，Value at Risk (VAR)是一种常用的风险管理工具。本文将教授你如何使用Python实现滚动窗口的VAR计算。我们将遵循以下步骤：
## 流程概述
| 步骤 | 描述 |
|------|------|
| 1 | 收集数据 |
| 2 | 计算每日收益率 |
| 3 | 设置滚动窗口
文章目录一、层次分析法简介二、层次分析法具体流程1. 构建层次结构模型2. 归一化处理3. 判断矩阵确定权重4. 一致性检验5. 加权求和排名三、Python实现层次分析法总结 一、层次分析法简介层次分析法（AHP），是指将与决策总是有关的元素分解成目标、准则、方案等层次，在此基础之上进行定性和定量分析的决策方法。该方法是美国运筹学家匹茨堡大学教授萨蒂于20世纪70年代初，在为美国国防部研究"根
Oracle WebLogic Server 是一个用于开发和部署企业级 Java 应用的服务器平台，但其历史上存在多个严重，尤其以远程代码执行（RCE）和权限提升为主，常被者利用。常见类型：远程代码执行（RCE）：如 CVE-2020-14882、CVE-2019-2725、CVE-2024-21216，允许未授权者通过 HTTP、T3 或 IIOP 协议发送恶意请求，执行任意代码，可能完全控制服务器。反序列化。
在当今快速发展的航空市场中，获取机票历史价格数据变得日益重要。这不仅能帮助我们理解旅行成本的波动，还能在合理的时间做出购票决策。为此，我打算使用 Python 来收集机票的历史价格数据。本文将详细记录这个过程，分为问题背景、错误现象、根因分析、解决方案、验证测试和预防优化六个部分。
## 问题背景
随着航空公司的价格策略不断变化，机票价格的历史数据成了研究的一个热门领域。我们需要通过编程的方式
# Python 中的历史波动率计算
在金融市场中，波动率是衡量资产价格波动程度的重要指标。历史波动率（Historical Volatility）是指在特定时间内，资产价格相对于其平均值的波动程度。在这篇文章中，我们将介绍历史波动率的概念、计算方法以及如何使用 Python 实现这一计算。
## 一、波动率的概念
波动率可以简单理解为价格变动的剧烈程度。较高的波动率表示价格波动大，风险更高
