02 2021 档案
摘要:原文链接:http://tecdat.cn/?p=20434 本文从实践角度讨论了季节性单位根。我们考虑一些时间序列 ,例如道路上的交通流量, > plot(T,X,type="l") > reg=lm(X~T) > abline(reg,col="red") 如果存在趋势,我们应该将其删除,然后处
阅读全文
摘要:原文链接:http://tecdat.cn/?p=20424 介绍 时间序列为预测未来数据提供了方法。根据先前的值,时间序列可用于预测经济,天气的趋势。时间序列数据的特定属性意味着通常需要专门的统计方法。 在本教程中,我们将首先介绍和讨论自相关,平稳性和季节性的概念,然后继续应用最常用的时间序列预测
阅读全文
摘要:原文链接:http://tecdat.cn/?p=20335 在本文中,我们将介绍三种提高循环神经网络性能和泛化能力的高级技术。我们演示有关温度预测问题的三个概念,我们使用建筑物屋顶上的传感器的时间数据序列。 概述 在本文中,我们将介绍三种提高循环神经网络性能和泛化能力的高级技术。在最后,您将了解有
阅读全文
摘要:原文链接:http://tecdat.cn/?p=20360 本文将说明金融数学中的R 语言优化投资组合,因子模型的实现和使用。 具有单一市场因素的宏观经济因素模型 我们将从一个包含单个已知因子(即市场指数)的简单示例开始。该模型为 其中显式因子ft为S&P 500指数。我们将做一个简单的最小二乘(
阅读全文
摘要:R语言中的BP神经网络模型分析学生成绩
阅读全文
摘要:R语言神经网络模型预测车辆数量时间序列
阅读全文
摘要:R语言用多元ARMA,GARCH ,EWMA, ETS,随机波动率SV模型对金融时间序列数据建模
阅读全文
摘要:R语言基于线性回归的资本资产定价模型(CAPM)
阅读全文
摘要:R语言量化交易RSI策略:使用支持向量机SVM
阅读全文
摘要:原文链接:http://tecdat.cn/?p=19818 在移动广告领域,移动APP广告因其独特的价值而受到广告商的青睐。APP广告可以准确地根据用户的地理位置、时间、型号、移动操作系统、设备价格,甚至设备品牌来进行广告;同时,新技术支持个性化的交互形式,例如传感器、增强现实和触摸屏技术,使广告
阅读全文
摘要:原文链接:http://tecdat.cn/?p=19751 本示例说明如何使用长短期记忆(LSTM)网络对序列数据进行分类。 要训练深度神经网络对序列数据进行分类,可以使用LSTM网络。LSTM网络使您可以将序列数据输入网络,并根据序列数据的各个时间步进行预测。 本示例使用日语元音数据集。此示
阅读全文
摘要:原文链接:http://tecdat.cn/?p=19737 Stan是一种用于指定统计模型的概率编程语言。Stan通过马尔可夫链蒙特卡罗方法(例如No-U-Turn采样器,一种汉密尔顿蒙特卡洛采样的自适应形式)为连续变量模型提供了完整的贝叶斯推断。 可以通过R使用rstan 包来调用Stan,也可
阅读全文
摘要:原文链接:http://tecdat.cn/?p=19688 在引入copula时,大家普遍认为copula很有趣,因为它们允许分别对边缘分布和相依结构进行建模。 copula建模边缘和相依关系 给定一些边缘分布函数和一个copula,那么我们可以生成一个多元分布函数,其中的边缘是前面指定的。 考虑
阅读全文
摘要:原文链接:http://tecdat.cn/?p=19664 MCMC是从复杂概率模型中采样的通用技术。 蒙特卡洛 马尔可夫链 Metropolis-Hastings算法 问题 如果需要计算有复杂后验pdf p(θ| y)的随机变量θ的函数f(θ)的平均值或期望值。 您可能需要计算后验概率分布p(θ
阅读全文
摘要:原文链接:http://tecdat.cn/?p=19611 过程会随着时间的推移而发展,结果会发生变化。 考虑一下经济衰退和扩张。在衰退开始时,产出和就业率下降并保持较低水平,然后,产出和就业率增加。从统计上讲,均值,方差和其他参数在各个状态之间都在变化。我们的问题是估计方案何时更改以及与每个方案
阅读全文
摘要:原文链接 :http://tecdat.cn/?p=19542 时间序列预测问题是预测建模问题中的一种困难类型。 与回归预测建模不同,时间序列还增加了输入变量之间序列依赖的复杂性。 用于处理序列依赖性的强大神经网络称为 递归神经网络。长短期记忆网络或LSTM网络是深度学习中使用的一种递归神经网络,可
阅读全文
摘要:原文链接:http://tecdat.cn/?p=19518 介绍 模型表现差异很大的可能原因是什么?换句话说,为什么在别人评估我们的模型时会失去稳定性? 在本文中,我们将探讨可能的原因。我们还将研究交叉验证的概念以及执行它的一些常用方法。 目录 为什么模型会失去稳定性? 什么是交叉验证? 交叉验证
阅读全文
摘要:原文链接:http://tecdat.cn/?p=19469 本文将分析工业指数(DJIA)。工业指数(DIJA)是一个股市指数,表明30家大型上市公司的价值。工业指数(DIJA)的价值基于每个组成公司的每股股票价格之和。 本文将尝试回答的主要问题是: 这些年来收益率和交易量如何变化? 这些年来,收
阅读全文
摘要:原文链接:http://tecdat.cn/?p=19405 包含更多的预测变量不是免费的:在系数估算的更多可变性,更难的解释以及可能包含高度依赖的预测变量方面要付出代价。确实, 对于样本大小,在线性模型中可以考虑 的预测变量最大数量为 p 。或等效地,使用预测变量p 拟合模型需要最小样本量。 如果
阅读全文