R语言建模收入不平等:分布函数拟合及洛伦兹曲线(Lorenz curve)
洛伦兹曲线来源于经济学,用于描述社会收入不均衡的现象。
洛伦兹曲线来源于经济学,用于描述社会收入不均衡的现象。
当线性假设无法满足时,可以考虑使用其他方法。
回首不平凡的2020年,技术力量越来越受到重视,技术从业者的责任也越来越重大。
本文从实践角度讨论了季节性单位根。
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。
假设我们期望因变量由潜在协变量子集的线性组合确定。
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。
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。
资本资产定价模型(CAPM) 是用于确定是否在一个特定资产的投资是值得的。
本文将说明单变量和多变量金融时间序列的不同模型,特别是条件均值和条件协方差矩阵、波动率的模型。
具有单个隐藏层和滞后输入的前馈神经网络,可以用于预测单变量时间序列。
在本教程中,您将学习如何在R中创建神经网络模型。
本文估计实际GDP增长率的两状态Markov区制转换动态回归模型 。
如果您可以写出模型的似然函数,则 Metropolis-Hastings算法可以负责其余部分(即MCMC )。
机器学习算法可用于找到最佳值来交易您的指标。
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。
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。
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。
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。
MCMC是从复杂概率模型中采样的通用技术。
过程会随着时间的推移而发展,结果会发生变化。
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。
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?
本文将分析2007-2018年的工业指数(DJIA)。工业指数(DIJA)是一个股市指数,表明位于30家大型上市公司的价值。
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。
有人已经表示有必要在战术资产配置(Tactical Asset Allocation, 简称TAA)策略中使用共同基金而不是ETF。
随着新型冠状病毒COVID-19的威胁遍及世界,我们生活在一个日益担忧的时代,本文用matlab分析COVID-19数据集。
本文分析将用于制定管理客户和供应商关系的策略准则。
之前我们讨论了使用ROC曲线来描述分类器的优势,有人说它描述了“随机猜测类别的策略”。
最新研究表明,中国有超过7亿人在观看在线视频内容。
在回归模型研究中,我们将讨论优化,而经典工具就是所谓的共轭。给定函数f:Rp→R,其共轭值为函数f ⋆:Rp→R使得
现在,分位数回归已被确立为重要的计量经济学工具。
在普遍的理解中,最大似然估计是使用已知的样本结果信息来反向推断最有可能导致这些样本结果的模型参数值!
本文将使用一个小数据说明ROC曲线,其中n = 10个观测值,两个连续变量x_1和x_2,以及二元变量y∈{0,1}。
本文使用波兰公寓价格数据说明Fisher检验。
这是一个六边形热图可视化程序,主要用到的知识RColorBrewer,fields,也就是R中的可视化绘图库。
时间序列分析是统计学中的一个主要分支,主要侧重于分析数据集以研究数据的特征并提取有意义的统计信息来预测序列的未来值。时序分析有两种方法,即频域和时域。
这篇文章中我们可以编写自己的代码来计算套索(lasso)回归,
为了在统计过程中发现更多有趣的结果,我们将解决极大似然估计没有简单分析表达式的情况。
本文我们讨论了期望寿命的计算,人口统计模型的起点是死亡率表。
为了用R来处理网络数据,我们使用婚礼数据集。
自组织映射神经网络(SOM)是一种无监督的数据可视化技术,可用于可视化低维(通常为2维)表示形式的高维数据集。
本文说明了R语言中实现分布滞后线性和非线性模型(DLM和DLNM)的建模。
用于动量策略中所谓的动量(Momentum),是指某一对象所具有的一种倾向于保持其原有属性或特征的性质,也可以简单理解成一种惰性(Inertia)。
在这篇文章中,我使用 R 建立著名的Hull-White利率模型并进行仿真。
我根据泊松Poisson回归、GAM样条曲线模型对一个十字路口的骑自行车者的数量进行预测
本文我们使用4个时间序列模型对每周的温度序列建模。
票息率公式用于计算债券的票息率,根据该公式,债券的票息率将通过将年度票息支付总额除以债券的票面价值,然后乘以 100得出结果。
本文想在R软件中更好地了解分位数回归优化。在查看分位数回归之前,让我们从样本中计算中位数或分位数。
电力负荷预测是电网规划的基础,其水平的高低将直接影响电网规划质量的优劣。
“应用线性模型”中,我们打算将一种理论(线性模型理论)应用于具体案例。
为了找出影响价格波动的主要因素,我们使用逐步回归法来剔除一些对于应变量即把对价格影响很小的自变量剔除出我们的模型
网络模型已经成为抽象复杂系统,是深入了解许多科学领域中观测变量之间的关系模式的流行方法。
本文通过R语言建立广义线性模型(GLM)、多项式回归和广义可加模型(GAM)来预测谁在1912年的泰坦尼克号沉没中幸存下来。
目标函数的平滑度对于优化的成功至关重要。可视化目标函数是一种检查平滑度的简便方法。
在国内疫情稳定的新常态下,“双十一”点燃了消费者的购物热情,在购物热潮中,消费热点、消费者理念与行为将出现哪些变化?
比如说分类变量为是否幸存、是因变量,连续变量为年龄、是自变量,这两者可以做相关分析吗?两者又是否可以做回归分析?
当我们将CNN(卷积神经网络)模型用于训练多维类型的数据(例如图像)时,它们非常有用。
我们首先讨论多项式回归,进一步,我们会想到分段线性或分段多项式函数,可能还有附加的连续性约束,这些是样条曲线回归的基础。
方差分析是一种常见的统计模型,顾名思义,方差分析的目的是比较平均值。
本文对人口统计预测方法进行讨论。
根据我们对温度的预测,我们可以预测电力消耗。
随着越来越多的数据被数字化,获取信息变得越来越困难。我们在本文中重点关注的一个示例是评估公司面临的不同风险领域。
利率衍生证券的定价依赖于描述基本过程的模型。这些利率模型取决于您必须通过将模型预测与市场上可用的现有数据进行匹配来确定的一个或多个参数。