MATLAB深度学习Transformer神经网络量化金融时间序列预测交易策略回测
此文展示了如何在MATLAB®中使用Transformer网络对股票的每日价格进行建模。
Search Results: 时间序列
【视频讲解】线性时间序列原理及混合ARIMA-LSTM神经网络模型预测股票收盘价研究实例
近年来人工神经网络被学者们应用十分广泛，预测领域随着神经网络的引入得到了很大的发展。
R语言股价跳跃点识别：隐马尔可夫hmm和GARCH-Jump对sp500金融时间序列分析
WeChat Tencent QQ email print 由Kaizong Ye，Yue Ji撰写 在 A
【视频讲解】Python用LSTM长短期记忆网络GARCH对SPX指数金融时间序列波动率滚动预测
本文融合了多种技术，其中 LSTM（长短期记忆网络）和 GARCH（广义自回归条件异方差）模型尤为关键。
R 语言GJR-GARCH、GARCH-t、GARCH-ged分析金融时间序列数据波动性预测、检验、可视化
在当今复杂多变的金融市场中，准确理解和预测股票指数的走势对于投资者和金融机构而言至关重要。
【视频讲解】滚动回归Rolling Regression、ARIMAX时间序列预测Python、R实现应用
本文将通过视频讲解，展示如何用滚动回归预测，并结合一个R语言多元时间序列滚动预测：ARIMA、回归、ARIMAX模型分析实例的代码数据，为读者提供一套完整的实践数据分析流程。
【视频讲解】Xgboost、ARIMA 和 Prophet对国际牛肉市场市场份额数据、比特币价格时间序列预测
本文将通过视频讲解，展示如何用Xgboost、ARIMA 和 Prophet对国际牛肉市场市场份额数据时间序列预测，并结合一个Python# ARIMA、XGBOOST、PROPHET和LSTM预测比特币价格实例的代码数据，为读者提供一套完整的实践数据分析流程。
【视频讲解】神经网络、Lasso回归、线性回归、随机森林、ARIMA股票价格时间序列预测|附代码数据
WeChat Tencent QQ email print 由Haopeng Li撰写 基于此，选择合适的模型
【视频讲解】Python、R时间卷积神经网络TCN与CNN、RNN预测时间序列3实例附代码数据
本文旨在探讨时间卷积网络（Temporal Convolutional Network, TCN）与CNN、RNN在预测任务中的应用。
Python时间序列模型分析太阳能光伏发电数据：灰色模型GM（1，1）、ARIMA、指数平滑法可视化分析
在可再生能源领域中，太阳能光伏发电作为一种清洁、可再生的能源形式，近年来得到了广泛关注与应用。
R语言动态广义相加模型GAM张量积交互项、傅立叶项、谐波回归分析季节性时间序列航空乘客数据
季节性在真实的时间序列中是非常常见的。
TensorFlow、Keras的LSTM神经网络异常检验和预测股市价格时间序列数据可视化python实例附代码数据
本文旨在探讨如何利用TensorFlow和Keras中的LSTM神经网络来预测和检验股市价格时间序列数据，并通过Python编程语言和可视化技术来展示预测结果和异常检验的效果。
Python用GRU神经网络模型预测比特币价格时间序列数据2案例可视化|附代码数据
门控循环单元（GRU）是一种循环神经网络（RNN）类型，旨在有效地捕获序列数据中的长期依赖关系。
阈值向量误差修正模型TVECM对汇率金融时间序列数据分析|附数据代码
在全球金融市场中，汇率作为连接不同国家货币价值的桥梁，其动态变化对全球经济活动、贸易和投资具有深远影响。
DeepMTS深度学习多元时间序列分析预测宏观经济指标数据可视化|附数据代码
在数据科学领域，时间序列分析一直是一个至关重要的研究方向，尤其在金融、气象、医学以及许多其他科学和工业领域中，准确的时间序列预测对于制定策略、政策规划以及资源管理都具有极其重要的意义。
马尔可夫转换MSVAR模型预测资产收益率时间序列可视化分析|附数据代码
在现代金融市场中，资产收益率序列的预测一直是投资者和金融机构关注的焦点。
【视频】LSTM模型原理及其进行股票收盘价的时间序列预测讲解|附数据代码
时间序列预测在金融领域中扮演着举足轻重的角色，特别是在股票市场中。
R语言神经网络模型金融应用预测上证指数时间序列可视化
本文旨在利用神经网络模型来帮助客户预测上证指数的收盘价，通过分析不同历史数据作为输入，建立模型并进行预测。
数据分享|Eviews用ARIMA、指数曲线趋势模型对中国进出口总额时间序列预测分析
众自20世纪80年代至今，随着改革开放的深入以及中国最终加入WTO，我国的对外贸易实现了跨越式的发展，中国已经成为世界第一大出口国和第二大进口国，中国经济对世界经济做出了重大贡献。
python、R语言ARIMA-GARCH分析南方恒生中国企业ETF基金净值时间序列分析
虽然中国股票市场日益完善,但还不完全是弱有效市场,因此中国股票市场存在比较明显的通过技术分析达到的套利机会。
Python自激励阈值自回归(SETAR)、ARMA、BDS检验、预测分析太阳黑子时间序列数据
这篇文章展示了自激励阈值自回归SETAR的使用，用于分析经常被客户研究的太阳黑子数据集。
Python随机波动性SV模型：贝叶斯推断马尔可夫链蒙特卡洛MCMC分析英镑/美元汇率时间序列数据
WeChat Tencent QQ email print 由Kaizong Ye，Sherry Deng撰写
R语言非线性动态回归模型ARIMAX、随机、确定性趋势时间序列预测个人消费和收入、用电量、国际游客数量
传统时间序列模型允许包含过去观察到的系列信息，但不允许客户包含其他可能相关的信息。
Python随机波动模型Stochastic volatility，SV随机变分推断SVI分析标普500指数股票价格时间序列数据波动性可视化
随机波动模型（Stochastic volatility models）经常被客户用来对股票价格随时间的变动性进行建模。
Python时间序列分析苹果股票数据：分解、平稳性检验、滤波器、滑动窗口平滑、移动平均、可视化
时间序列是一系列按时间顺序排列的观测数据。
Python用 tslearn 进行时间序列聚类可视化
Python用 tslearn 进行时间序列聚类可视化
Python用GARCH对ADBL股票价格时间序列趋势滚动预测、损失、可视化分析
金融市场的股票价格时间序列分析一直以来都是投资者和研究者关注的主题之一。
【视频】ARIMA时间序列模型原理和R语言ARIMAX预测实现案例
ARIMA是可以拟合时间序列数据的模型，根据自身的过去值(即自身的滞后和滞后的预测误差)“解释” 给定的时间序列，因此可以使用方程式预测未来价值。
R语言Copula对债券时间序列数据的流动性风险进行度量
在金融市场中，债券的流动性风险一直是一个备受关注的问题。
R语言ARMA-GARCH模型金融产品价格实证分析黄金价格时间序列
研究黄金价格的动态演变过程至关重要。
R语言武汉流动人口趋势预测：灰色模型GM（1，1）、ARIMA时间序列、logistic逻辑回归模型
人口流动与迁移，作为人类产生以来就存在的一种社会现象，伴随着人类文明的不断进步从未间断。
R语言交互可视化分析房屋市场：arima、VAR时间序列、XGBoost、主成分分析、LASSO可视化报告
在当前海量数据和资源的情况下，面对客户需求。
R语言ARIMA模型分析预测上海空气质量指数AQI时间序列
指数平滑法对于预测来说是非常有帮助的，而且它对时间序列上面连续的值之间相关性没有要求。
R语言神经网络模型预测多元时间序列数据可视化
多元时间序列建模一直是吸引了来自经济，金融和交通等各个领域的研究人员的主题。
R语言单位根、协整关系Granger因果检验、RESET分析汇率在岸和离岸数据时间序列
单位根的随机性趋势与协整关系对实证分析中时间序列的影响是不容小觑的。
R语言指数平滑预测法分析南京出租车打车软件空载率时间序列补贴政策可行性
本文通过建立空载率的数学模型，帮助客户来分析出租车的空载率，从而对出租车补贴政策能否提高高峰期的实载率，缓解打车难问题进行了说明。
Python电力负荷预测：ARIMA、LSTM神经网络时间序列分析
电力系统源源不断向各用户提供持续稳定的电能，本文通过对数据的提取。
R语言独立成分分析fastICA、谱聚类、支持向量回归SVR模型预测商店销量时间序列可视化
本文利用R语言的独立成分分析（ICA）、谱聚类（CS）和支持向量回归 SVR 模型帮助客户对商店销量进行预测。
R语言MCMC-GARCH、风险价值VaR模型股价波动分析上证指数时间序列
随着金融市场全球化的发展，金融产品逐渐受到越来越多的关注，而金融产品的风险度量成为投资者最关心的问题。
R语言DCC-GARCH模型对上证指数、印花税收入时间序列数据联动性预测可视化
普通的模型对于两个序列的波动分析一般是静态的，但是dcc-garch模型可以实现他们之间动态相关的波动分析
R语言Pearson相关性分析降雨量和“外卖”谷歌搜索热度google trend时间序列数据可视化
Google Trends， 即谷歌趋势。
R语言Pearson相关性分析就业率和“性别平等”谷歌搜索热度google trend时间序列数据可视化
WeChat Tencent QQ email print 由Kaizong Ye，Liao Bao撰写 谷歌
SAS与eviews用ARIMA模型对我国大豆产量时间序列预测、稳定性、白噪声检验可视化
我国以前一直以来都是世界上大豆生产的第一大国。
R语言随机波动模型SV：马尔可夫蒙特卡罗法MCMC、正则化广义矩估计GMM和准最大似然估计QMLE上证指数收益时间序列
本文做SV模型，选取马尔可夫蒙特卡罗法(MCMC)、正则化广义矩估计法和准最大似然估计法估计。
Python用Lstm神经网络、离散小波转换DWT降噪对中压电网电压时间序列预测
对于电力公司来说，对局部放电的准确预测可以显著降低人力物力成本。
R语言EG(Engle-Granger)两步法协整检验、RESET、格兰杰因果检验、VAR模型分析消费者价格指数CPI和生产者价格指数PPI时间序列关系
作为衡量通货膨胀的基本指标，消费者价格指数CPI和生产者价格指数PPI的作用关系与传导机制一直是宏观经济研究的核心问题。
SPSS时间序列ARIMA、指数平滑法、模型检验分析汽车销量数据
本文对汽车销量数据进行时间序列数据分析，我们向客户演示了用SPSS的ARIMA、指数平滑法可以提供的内容。
R语言用ARIMA模型滑动时间窗口识别网络流量时间序列异常值
最近我们被要求解决时间序列异常检验的问题。
【视频讲解】时间序列分类方法：动态时间规整算法DTW和R语言实现
动态时间扭曲算法何时、如何以及为什么可以有力地取代常见的欧几里得距离，以更好地对时间序列数据进行分类
R语言分析上海空气质量数据：kmean聚类、层次聚类、时间序列分析：arima模型、指数平滑法
最近我们被客户要求撰写关于上海空气质量指数的研究报告。
R语言多元线性回归、ARIMA分析美国不同候选人对经济GDP时间序列影响
近段时间，美国总统大选引起了世界各国的关注。
Eviews用向量自回归模型VAR实证分析公路交通通车里程与经济发展GDP协整关系时间序列数据和脉冲响应可视化
河源市是国务院1988年1月7日批准设立的地级市，为了深入研究河源市公路交通与经济发展的关系，本文选取了1988－2014年河源市建市以来24年的地区生产总值（GDP）和公路通车里程（GL）的时间序列数据。
R语言广义矩量法GMM和广义经验似然GEL估计ARMA、CAPM模型分析股票收益时间序列
本文展示了如何通过矩量的广义方法和广义经验似然来估计模型。
R语言用logistic逻辑回归和AFRIMA、ARIMA时间序列模型预测世界人口
本文应用R软件技术，通过在世界银行网站上查阅的世界人口历史数据，分别利用logistic模型、ARFMA模型、ARIMA模型、时间序列模型对从2016到2100年的世界人口进行预测。
Python用ARIMA ，ARIMAX预测商店商品销售需求时间序列数据
本文在相对简单的数据集上探索不同的时间序列技术。
Matlab随机波动率SV、GARCH用MCMC马尔可夫链蒙特卡罗方法分析汇率时间序列
波动率是一个重要的概念，在金融和交易中有许多应用。它是期权定价的基础。波动率还可以让您确定资产配置并计算投资组合的风险价值 (VaR)。
Matlab用深度学习循环神经网络RNN长短期记忆LSTM进行波形时间序列数据预测
此示例说明如何使用长短期记忆 (LSTM) 网络预测时间序列
Matlab用向量误差修正VECM模型蒙特卡洛Monte Carlo预测债券利率时间序列和MMSE 预测
此示例说明如何从 VEC( q ) 模型生成 Monte Carlo 预测。
Python 用几何布朗运动模型和蒙特卡罗Monte Carlo随机过程模拟股票价格可视化分析耐克NKE股价时间序列数据
金融资产/证券已使用多种技术进行建模。
Python用KShape对时间序列进行聚类和肘方法确定最优聚类数k可视化
时序数据的聚类方法
Python用RNN循环神经网络：LSTM长期记忆、GRU门循环单元、回归和ARIMA对COVID-19新冠疫情新增人数时间序列预测
该数据由Hopkins 大学根据世界各国提供的新病例数据提供。
R语言用GARCH模型波动率建模和预测、回测风险价值 (VaR)分析股市收益率时间序列
风险价值 (VaR) 是金融风险管理中使用最广泛的市场风险度量，也被投资组合经理等从业者用来解释未来市场风险。
R语言隐马尔可夫模型HMM连续序列重要性重抽样CSIR估计随机波动率模型SV分析股票收益率时间序列
在本笔记本中，我们向读者介绍了基本的随机波动率模型，并通过连续顺序重要性重采样讨论了它们的估计。我们使用收益率数据集来讨论 CSIR 在随机波动率模型估计中的实现和性能。
Python TensorFlow循环神经网络RNN-LSTM神经网络预测股票市场价格时间序列和MSE评估准确性
该项目包括：自 2000 年 1 月以来的股票价格数据。我们使用的是 Microsoft 股票。
Python用Keras的LSTM神经网络进行时间序列预测天然气价格例
一个简单的编码器-解码器LSTM神经网络应用于时间序列预测问题
MATLAB用深度学习长短期记忆 (LSTM) 神经网络对智能手机传感器时间序列数据进行分类
此示例说明如何使用长短期记忆 (LSTM) 网络对序列数据的每个时间步长进行分类。
R语言广义线性模型GLM：线性最小二乘、对数变换、泊松、二项式逻辑回归分析冰淇淋销售时间序列数据和模拟
线性模型是统计学的基础，但它的意义远不止用尺子在几个点上画一条线。
R语言单变量和多变量（多元）动态条件相关系数DCC-GARCH模型分析股票收益率金融时间序列数据波动率
当您处理金融时间序列时，我们通常可以获得相对高频的观察结果。
