Excel中计算票面利率Coupon Rate
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。
Category Archives: 数理统计
R语言分位数回归Quantile Regression分析租房价格数据
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。
R语言分位数回归、GAM样条曲线、指数平滑和SARIMA对电力负荷时间序列预测
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。
R语言多项式线性模型：最大似然估计二次曲线
“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。
R语言用Garch模型和回归模型对股票价格分析
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
R语言混合图形模型MGM的网络可预测性分析
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。
广义线性模型GLM、多项式回归和广义可加模型GAM预测泰坦尼克号幸存者
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。
数据观察“双十一”网购新常态
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？
R语言逻辑回归分析连续变量和分类变量之间的“相关性“
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？
R语言实现CNN（卷积神经网络）模型进行回归数据分析
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。
R语言中的多项式回归、B样条曲线(B-spline Curves)回归
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。
R语言人口期望寿命统计预测方法
本文对人口统计预测方法进行讨论。
R语言用多项式回归和ARIMA模型预测电力负荷时间序列数据
根据我们对温度的预测，我们可以预测电力消耗。
R语言主题模型LDA评估公司面临的风险领域与可视化
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。
Matlab通过市场数据校准Hull-White利率模型参数
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。
R语言用逻辑回归、决策树和随机森林对信贷数据集进行分类预测
在本文中，我们使用了逻辑回归、决策树和随机森林模型来对信用数据集进行分类预测并比较了它们的性能。
R语言动量和马科维茨Markowitz投资组合模型实现
动量和马科维茨投资组合模型使 均值方差优化 组合成为可行的解决方案。
R语言网络分析友谊悖论案例
本文简要介绍一下网络分析，我想提供一些有关“友谊悖论”的R语言例证。友谊悖论指出
R语言BUGS/JAGS贝叶斯分析: 马尔科夫链蒙特卡洛方法（MCMC）采样
最近我们被客户要求撰写关于MCMC采样的研究报告。在许多情况下，我们没有足够的计算能力评估空间中所有n维像素的后验概率 。在这些情况下，我们倾向于利用称为Markov-Chain Monte Carlo 算法的程序 。
R语言股市可视化相关矩阵：最小生成树
本文在股市可视化中可视化相关矩阵 ：最小生成树
R语言中使用RCPP并行计算指数加权波动率
指数加权波动率是一种波动率的度量，它使最近的观察结果有更高权重。
SAS用K-Means 聚类最优k值的选取和分析
“聚类是将数据集分为几组的过程，其中包括相似的数据点”。聚类是一种无监督的机器学习，在您拥有未标记的数据时使用。
Python计算股票投资组合的风险价值（VaR）
风险价值（VaR）用于尝试量化指定时间范围内公司或投资组合中的财务风险水平。VaR提供了一段时间内投资组合的最大损失的估计，您可以在各种置信度水平上进行计算。
Python对商店数据进行lstm和xgboost销售量时间序列建模预测分析
在数据科学学习之旅中，我经常处理日常工作中的时间序列数据集，并据此做出预测。
R语言使用Bass模型进行市场产品周期预测
巴斯Bass扩散模型已成功地用于预测各种新推出的产品以及成熟产品的市场份额。
MATLAB中的马尔可夫区制转移(Markov regime switching)模型
分析师通常关心检测市场何时“发生变化”：几个月或几年内市场的典型行为可以立即转变为非常不同的行为。投资者希望及时发现这些变化，以便可以相应地调整其策略，但是这样做可能很困难。
R语言计量经济学与有时间序列模式的机器学习预测
由于目标是预测理赔频率（以评估保险费水平），因此他建议使用旧数据来训练该模型，并使用最新数据对其进行测试。问题在于该模型没有包含任何时间模式。
R语言网络和网络流的可视化实践：通勤者流动网络
在现实世界中，我们的生活受到大量网络的支配。网络流可以表示很多模型，比如管道中的石油、高压线中电流，或者计算机网络中的数据。
R语言最大流最小割定理和最短路径算法分析交通网络流量拥堵问题
今天早上，我们使用一些论文中提到的示例，使用最大流最小割定理将流量拥塞降至最低， 并应用了最短路径分析了交通瓶颈。
R语言时间序列：ARIMA / GARCH模型的交易策略在外汇市场预测应用
最近，我们继续对时间序列建模进行探索，研究时间序列模型的自回归和条件异方差族。我们想了解自回归移动平均值（ARIMA）和广义自回归条件异方差（GARCH）模型。它们在量化金融文献中经常被引用。
数据解锁职场女性潜力
随着现代社会的进步，以男权为主的传统观念正在被颠覆，女性意识逐渐觉醒，并付诸行动，不遗余力地寻求真正的性别平等。
R语言中的隐马尔可夫HMM模型实例
最近，我们使用隐马尔可夫模型开发了一种解决方案，并被要求解释这个方案。
matlab对国内生产总值（GDP）建立马尔可夫链模型（MC）并可视化
本示例说明如何创建并可视化Markov链模型的结构和演化 。
R语言基于Garch波动率预测的区制转移交易策略
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。
R语言具有Student-t分布改进的GARCH（1,1）模型的贝叶斯估计
本说明介绍使用Student-t改进的GARCH（1,1）模型对汇率对数收益进行贝叶斯估计。
R语言有极值（EVT）依赖结构的马尔可夫链(MC)对洪水极值分析
为了帮助客户正确使用POT模型，本指南包含有关使用此模型的实用示例。本文快速介绍了极值理论（EVT）、一些基本示例，最后则通过案例对河流的极值进行了具体的统计分析。
R语言Lee-Carter模型对年死亡率建模预测期望寿命
正如有配偶的寿命之间存在很强的相关性，我们可能会问，孩子和孙子的出生是否具有对一个人的剩余生命的影响（或者我们是否可以像这样假设独立性）。
R语言中的模拟过程和离散化：泊松过程和维纳过程
本文中，我们讨论了一个将Poisson过程与Wiener过程结合在一起的最佳算法的问题。
数据视域下图书馆话题情感分析
当前是大数据盛行的时代，各种用户信息行为数据分析的结果影响着人们的生活和学习，同时对图书馆的发展也有着影响。
R语言使用灰色关联分析中国经济社会发展指标
灰色关联分析包括两个重要功能。
第一项功能：灰色关联度，与correlation系数相似，如果要评估某些单位，在使用此功能之前转置数据。第二个功能：灰色聚类，如层次聚类。
R语言POT超阈值模型和极值理论分析
POT模型其主要动机是为高洪水流量的概率模型提供实用工具。但是，EVT的优势在于结果不取决于要建模的过程。因此，人们可以使用POT来分析降水，洪水，金融时间序列，地震等。
如何从xml文件创建R语言数据框dataframe
从这个XML文件中，我想创建一个具有ID，name 列的R数据框。请注意，name和ID应包含变量的所有级别。
Excel 实例:单因素方差分析ANOVA统计分析
Excel提供了许多数据分析工具，可通过数据>分析|数据分析进行访问 。
Matlab马尔可夫链蒙特卡罗法（MCMC）估计随机波动率（SV，Stochastic Volatility） 模型
波动率是一个重要的概念，在金融和交易中有许多应用。这是期权定价的基础。波动率还使您可以确定资产分配并计算投资组合的风险价值（VaR）。甚至波动率本身也是一种金融工具，例如CBOE的VIX波动率指数。但是，与证券价格或利率不同，波动不能直接观察到。
Excel实例:Excel图表可视化：条形图、折线图、散点图和步骤图
Excel提供了相当广泛的功能来创建图形，即Excel所谓的 图表。您可以通过选择插入>图表来访问Excel的图表功能 。
基于R语言股票市场收益的统计可视化分析
最近我们被客户要求撰写关于分析各种投资的历史收益的研究报告。要执行此分析，我们需要资产的历史数据。数据提供者很多，有些是免费的，大多数是付费的。
用R语言中的神经网络预测时间序列：多层感知器和极限学习机
对于此示例，我将对R中的时间序列进行建模。我将最后24个观察值保留为测试集，并将使用其余的观察值来拟合神经网络。
R语言关联挖掘实例（购物篮分析）
关联挖掘通常用于通过识别经常一起购买的产品来提出产品推荐。但是，如果您不小心，则规则在某些情况下可能会产生误导性的结果。
R语言风险价值VaR（Value at Risk）和损失期望值ES（Expected shortfall）的估计
风险价值VaR和损失期望值ES是常见的风险度量。
TensorFlow 2.0 keras开发深度学习模型实例：多层感知器（MLP），卷积神经网络（CNN）和递归神经网络（RNN）
在本文中，您将发现如何使用标准深度学习模型（包括多层感知器（MLP），卷积神经网络（CNN）和递归神经网络（RNN））开发，评估和做出预测。
Python安装TensorFlow 2、tf.keras和深度学习模型的定义
深度学习的预测建模是现代开发人员需要了解的一项技能。
TensorFlow 2建立神经网络分类模型——以iris数据为例
隐藏层和神经元的理想数量取决于问题和数据集。与机器学习的多个方面一样，选择最佳的神经网络形状需要一定的知识水平和实验基础。一般来说，增加隐藏层和神经元的数量通常会产生更强大的模型，而这需要更多数据才能有效地进行训练。
Matlab建立逻辑回归，决策树，SVM，KNN和朴素贝叶斯模型分类绘制ROC曲线
尽管对于较高的阈值，SVM可以产生更好的ROC值，但逻辑回归通常更擅长区分不同类别。朴素贝叶斯的ROC曲线通常低于其他两个ROC曲线，这表明样本内性能比其他两个分类器方法差。
R语言POT超阈值模型在洪水频率分析中的应用研究
结合POT模型的洪水风险评估能够从有限的实测资料中获取更多的洪水风险信息。
R语言使用bootstrap和增量法计算广义线性模型（GLM）预测置信区间
增量法使我们具有（渐近）正态性，因此一旦有了标准偏差，便可以得到置信区间。
游记数据感知旅游目的地形象
越来越多的人愿意精神消费。旅游不仅可以提升人们对外地环境和外地人文的认知，也可以放松身心、愉悦心情，是一种受欢迎的精神消费。
Rapidminer关联规则和文本挖掘模型对评论数据进行分析
关联规则是if / then语句，可帮助发现看似无关的数据之间的关系。关联规则的一个示例是“如果客户购买鸡蛋，那么他有80％的可能性也购买牛奶”。
广义线性模型(GLMs)算法和零膨胀模型分析
广义线性模型（GLM） 是通过连接函数,把自变量线性组合和因变量的概率分布连起来
R语言中广义线性模型(GLM)中的分布和连接函数分析
通常，GLM的连接函数可能比分布更重要。
R语言自适应平滑样条回归分析
一种类型的平滑称为样条平滑。柔性金属（通常是铅），可以用作绘制平滑曲线的参考。将选择一组点（称为结），然后将样条线压在特定的x，y点，然后弯曲以通过下一个点，依此类推。
R语言区间数据回归分析
回归分析是一种十分常见的数据分析方法,通过观测数据确定变量间的相互关系。传统回归分析以点数据为研究对象,预测结果也是点数据,而真实数据往往在一定范围内变动的。
R语言ggsurvplot绘制生存曲线报错 : object of type ‘symbol‘ is not subsettable
WeChat Tencent QQ email print 由Kaizong Ye，Qing Li撰
R语言使用蒙特卡洛模拟进行正态性检验及可视化
如何使用蒙特卡洛模拟来推导随机变量可能的分布，我们回到统计数据（无协变量）进行说明。
R软件SIR模型网络结构扩散过程模拟
与普通的扩散研究不同，网络扩散开始考虑网络结构对于扩散过程的影响。 这里介绍一个使用R模拟网络扩散的例子。
使用线性模型、回归决策树自动组合特征因子水平
每次我们在应用计量经济学课程中遇到实际应用时，我们都要处理类别变量。
在RapidMiner中建立决策树模型
本教程的目的是介绍如何在RapidMiner中创建基本决策树。
用Rapidminer做文本挖掘的应用：情感分析
情感分析或观点挖掘是文本分析的一种应用，用于识别和提取源数据 中的主观信息。
