R语言时间序列GARCH模型分析股市波动率
在这篇文章中，我们将学习一种在价格序列中建立波动性模型的标准方法，即广义自回归条件异方差（GARCH）模型。
Category Archives: 大数据部落
R语言时变向量自回归（TV-VAR）模型分析时间序列和可视化
在心理学研究中，个人主体的模型正变得越来越流行。原因之一是很难从人之间的数据推断出个人过程。另一个原因是，由于移动设备无处不在，从个人获得的时间序列变得越来越多。
R语言用样条曲线、决策树、Adaboost、梯度提升(GBM)算法进行回归、分类和动态可视化
Boosting算法是一种把若干个分类器整合为一个分类器的方法，也就是一种集成分类方法（Ensemble Method）。
R语言用局部加权回归(Lowess)对logistic逻辑回归诊断和残差分析
目前，回归诊断不仅用于一般线性模型的诊断，还被逐步推广应用于广义线性模型领域（如用于logistic回归模型）。
Matlab中的偏最小二乘法（PLS）回归模型，离群点检测和变量选择
最近我们被客户要求撰写关于PLS的研究报告。本文建立偏最小二乘法（PLS）回归（PLSR）模型，以及预测性能评估。
R语言混合效应逻辑回归（mixed effects logistic）模型分析肺癌数据
最近我们被客户要求撰写关于混合效应逻辑回归的研究报告。
R语言用LASSO，adaptive LASSO 预测通货膨胀时间序列
如果你了解数据科学领域，你可能听说过LASSO。LASSO是一个对目标函数中的参数大小进行惩罚的模型，试图将不相关的变量从模型中排除。
R语言用主成分PCA、 逻辑回归、决策树、随机森林分析心脏病数据并高维可视化
最近我们被客户要求撰写关于心脏病数据的研究报告。在讨论分类时，我们经常分析二维数据（一个自变量，一个因变量）。
R语言进行数据结构化转换：Box-Cox变换、“凸规则”变换方法
线性回归时若数据不服从正态分布，会给线性回归的最小二乘估计系数的结果带来误差，所以需要对数据进行结构化转换。
R语言用Copulas模型的尾部相依性分析损失赔偿费用
两个随机变量之间的相依性问题备受关注,相依性(dependence)是反映两个随机变量之间关联程度的一个概念。
R语言向量误差修正模型 (VECMs)分析长期利率和通胀率影响关系
向量自回归模型估计的先决条件之一是被分析的时间序列是平稳的。
R语言如何用潜类别混合效应模型（lcmm）分析抑郁症状
每一个动态现象都可以用一个潜过程(Λ(t)来描述，这个潜过程在连续的时间t内演化。
R语言非参数方法：使用核回归平滑估计和K-NN(k近邻算法)分类预测心脏病数据
本文考虑一下基于核方法进行分类预测。注意，在这里，我们不使用标准逻辑回归，它是参数模型。
matlab使用分位数随机森林（QRF）回归树检测异常值
这个例子展示了如何使用分位数随机林来检测异常值。
R语言arima，向量自回归（VAR），周期自回归(PAR)模型分析温度时间序列
至少有两种非平稳时间序列：具有趋势的时间序列和具有单位根的时间序列（称为单整时间序列）。
R语言改进的股票配对交易策略分析SPY-TLT组合和中国股市投资组合
相信大家都听说过股票和债券的多元化投资组合。
R语言和Stan,JAGS：用rstan,rjag建立贝叶斯多元线性回归预测数据
本文将介绍如何在R中做贝叶斯回归分析，R中有不少包可以用来做贝叶斯回归分析，比如最早的（同时也是参考文献和例子最多的）R2WinBUGS包。
R语言信用风险回归模型中交互作用的分析及可视化
多元统计分析中，交互作用是指某因素作用随其他因素水平的不同而不同，两因素同时存在是的作用不等于两因素单独作用之和(相加交互作用)或之积(相乘交互作用)。
R语言多重比较示例：Bonferroni校正法和Benjamini & Hochberg法
假设检验的基本原理是小概率原理，即我们认为小概率事件在一次试验中实际上不可能发生。
调查数据聚焦护士职业满意度
这是我们最近的一项护士职业满意度线上调查中关注的一个问题。遗憾的是，对护士工作满意的只有约27%。为何这么多人不愿意再次选择做护士？
Python和R语言使用指数加权平均(EWMA)，ARIMA自回归移动平均模型预测时间序列
本文学习创建时间序列预测的步骤，关注Dickey-Fuller检验、指数加权平均(EWMA)和ARIMA（自回归移动平均）模型，从理论上学习这些概念以及它们在python和R中的实现。
R语言时间序列平稳性几种单位根检验（ADF，KPSS，PP）及比较分析
WeChat Tencent QQ email print 由Kaizong Ye，Liao Bao撰写 μ是
R语言贝叶斯线性回归和多元线性回归构建工资预测模型
在劳动经济学领域，收入和工资的研究为从性别歧视到高等教育等问题提供了见解。
R语言基于Bootstrap的线性回归预测置信区间估计方法
我们知道参数的置信区间的计算，这些都服从一定的分布(t分布、正态分布），因此在标准误前乘以相应的t分值或Z分值。
R语言自适应LASSO 多项式回归、二元逻辑回归和岭回归应用分析
正则化路径是在正则化参数lambda的值网格上计算套索LASSO或弹性网路惩罚的正则化路径。
Python用ARIMA和SARIMA模型预测销量时间序列数据
最近我们被客户要求撰写关于预测销量时间序列的研究报告。指数平滑模型是基于对数据趋势和季节性的描述，而ARIMA模型则是为了描述数据的自相关性。
R语言分段线性回归分析预测车辆的制动距离
分段回归( piecewise regression )，顾名思义，回归式是“分段”拟合的。
R语言贝叶斯推断与MCMC：实现Metropolis-Hastings 采样算法示例
任何MCMC方案的目标都是从“目标”分布产生样本。
R语言时变面板平滑转换回归模型TV-PSTR分析债务水平对投资的影响
最近我们被客户要求撰写关于面板平滑转换回归(PSTR)的研究报告。建模过程包括三个阶段：表述，估计和评估。当采用两种状态时，单转换函数PSTR模型具有两个变量：
R语言线性回归和时间序列分析北京房价影响因素可视化案例
房价有关的数据可能反映了中国近年来的变化：
R语言惩罚logistic逻辑回归（LASSO,岭回归）高维变量选择的分类模型案例
WeChat Tencent QQ email print 由Kaizong Ye，Weilong Zhang
R语言用普通最小二乘OLS，广义相加模型GAM ，样条函数进行逻辑回归LOGISTIC分类
本文我们对逻辑回归和样条曲线进行介绍。
R语言分布滞后非线性模型（DLNM）研究发病率，死亡率和空气污染示例
本文提供了运行分布滞后非线性模型的示例，同时描述了预测变量和结果之间的非线性和滞后效应，这种相互关系被定义为暴露-滞后-反应关联。
R语言基于温度对城市层次聚类、kmean聚类、PCA主成分分析和Voronoi图可视化
最近我们被客户要求撰写关于聚类技术的研究报告。为了说明层次聚类技术和k-均值，我使用了了城市温度数据集，其中包括几个城市的月平均气温。
R语言分布滞后线性和非线性模型（DLMs和DLNMs）分析时间序列数据
本文演示了在时间序列分析中应用分布滞后线性和非线性模型（DLMs和DLNMs）。
R语言广义相加模型 (GAMs)分析预测CO2时间序列数据
环境科学中的许多数据不适合简单的线性模型，最好用广义相加模型（GAM）来描述。<
R语言中实现广义相加模型GAM和普通最小二乘(OLS)回归
这篇文章探讨了为什么使用广义相加模型 是一个不错的选择。为此，我们首先需要看一下线性回归，看看为什么在某些情况下它可能不是最佳选择。
R语言中使用非凸惩罚函数回归(SCAD、MCP)分析前列腺数据
本文使用lasso或非凸惩罚拟合线性回归，GLM和Cox回归模型的正则化
SAS使用鸢尾花(iris)数据集训练人工神经网络(ANN)模型
人工神经网络最初是由研究人员开发的，他们试图模仿人脑的神经生理学。
Python | ARIMA时间序列预测模型
时间序列 被定义为一系列按时间顺序索引的数据点。时间顺序可以是每天，每月或每年。
Python使用GARCH，EGARCH，GJR-GARCH模型和蒙特卡洛模拟进行股价预测
预测股价已经受到了投资者，政府，企业和学者广泛的关注。然而，数据的非线性和非平稳性使得开发预测模型成为一项复杂而具有挑战性的任务。
数据分析促进白血病预测诊断
2019年,全球八个主要国家的18岁以上男女共诊断出72,164例急性髓细胞白血病(AML)。
R语言中生存分析模型与时间依赖性ROC曲线可视化
人们通常使用接收者操作特征曲线（ROC）进行二元结果逻辑回归。但是，流行病学研究中感兴趣的结果通常是事件发生时间。使用随时间变化的时间相关ROC可以更全面地描述这种情况下的预测模型。
R语言建立和可视化混合效应模型mixed effect model
最近我们被客户要求撰写关于混合效应模型的研究报告。我们已经学习了如何处理混合效应模型。
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。
R语言中的多项式回归、局部回归、核平滑和平滑样条回归模型
当线性假设无法满足时，可以考虑使用其他方法。
拓端tecdat荣获腾讯云+社区年度最佳作者奖
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。
R语言ARIMA，SARIMA预测道路交通流量时间序列分析:季节性、周期性
本文从实践角度讨论了季节性单位根。
ARIMA模型预测CO2浓度时间序列-python实现
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。
Python中的Lasso回归之最小角算法LARS
假设我们期望因变量由潜在协变量子集的线性组合确定。
R语言Fama-French三因子模型实际应用：优化投资组合
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。
R语言基于递归神经网络RNN的温度时间序列预测
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。
R语言基于线性回归的资本资产定价模型（CAPM）
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。
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
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。
R语言神经网络模型预测车辆数量时间序列
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。
R语言中的BP神经网络模型分析学生成绩
在本教程中，您将学习如何在R中创建神经网络模型。
Matlab马尔可夫区制转换动态回归模型估计GDP增长率
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 。
R语言使用Metropolis-Hastings采样算法自适应贝叶斯估计与可视化
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 ）。
R语言量化交易RSI策略：使用支持向量机SVM
机器学习算法可用于找到最佳值来交易您的指标。
移动广告中基于点击率的数据策略
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。
matlab使用长短期记忆（LSTM）神经网络对序列数据进行分类
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。
R语言RStan贝叶斯示例：重复试验模型和种群竞争模型Lotka Volterra
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。
R语言Copula函数股市相关性建模：模拟Random Walk(随机游走)
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。
R语言MCMC:Metropolis-Hastings采样用于回归的贝叶斯估计
MCMC是从复杂概率模型中采样的通用技术。
stata马尔可夫Markov区制转移模型分析基金利率
过程会随着时间的推移而发展，结果会发生变化。
使用Python中Keras的LSTM递归神经网络进行时间序列预测
最近我们被客户要求撰写关于时间序列预测的研究报告。时间序列预测问题是预测建模问题中的一种困难类型。
在Python和R中使用交叉验证方法提高模型性能
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？
R语言股票市场指数：ARMA-GARCH模型和对数收益率数据探索性分析
最近我们被客户要求撰写关于ARMA-GARCH模型的研究报告。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。
