MATLAB贝叶斯优化混合Bayes-CNN-RNN分析股票市场数据与浅层网络超参数优化
本文旨在介绍一种利用贝叶斯优化方法来优化混合 CNN – RNN 和浅层网络超参数的简单方法，并展示了如何使贝叶斯优化器考虑离散值。
Category Archives: 经济
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。
Python用CEEMDAN-LSTM-VMD金融股价数据预测及SVR、AR、HAR对比可视化
股票市场是一个复杂的非线性系统，股价受到许多经济和社会因素的影响。因此，传统的线性或近线性预测模型很难有效、准确地预测股票指数的价格趋势。
Python注意力机制Attention下CNN-LSTM-ARIMA混合模型预测中国银行股票价格|附数据代码
股票市场在经济发展中占据重要地位。由于股票的高回报特性，股票市场吸引了越来越多机构和投资者的关注。
银行信贷风控专题：Python、R 语言机器学习数据挖掘应用实例合集：xgboost、决策树、随机森林、贝叶斯等
在当今金融领域，风险管控至关重要。无论是汽车贷款违约预测、银行挖掘潜在贷款客户，还是信贷风控模型的构建，以及基于决策树的银行信贷风险预警，都是金融机构面临的关键挑战。
Python用CNN – LSTM、ARIMA、Prophet股票价格预测的研究与分析|附数据代码
股票市场的波动起伏一直备受投资者关注，准确预测股票价格对于投资者制定合理的投资策略至关重要。
【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。
深度神经网络DNN、RNN、RCNN及多种机器学习金融交易策略研究|附数据代码
在当今的金融领域，量化交易正凭借其科学性和高效性逐渐成为主流投资方式之一。
【视频讲解】Python深度学习股价预测、量化交易策略：LSTM、GRU深度门控循环神经网络|附代码数据
本文以上证综指近 22 年的日交易数据为样本，构建深度门控循环神经网络模型，从股价预测和制定交易策略两方面入手，量化循环神经网络在股票预测以及交易策略中的效果。
【视频讲解】数据挖掘实战：Python金融贷款模型分类潜在贷款客户
模型的存在依托于这样一个事实：基于概率的决策乃是最优之选。将概率转化为评分，能够便于对齐风险。而评分则是通过统计的方法来识别潜在客户，进而判断客户是否合乎心意。
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。
BC变换的EWMA控制图对顺丰控股股票的分析研究
结合历史股票数据和统计质量管理的思想，对数据作合适的处理并设计合理的控制图是十分关键的。本文将通过展示如何用基于BC变换的EWMA控制图对顺丰控股股票分析，并结合一个Python神经网络、Lasso回归、线性回归、随机森林、ARIMA股票价格时间序列实例的代码数据，为读者提供一套完整的实践数据分析流程。
Python、R银行信用卡客户流失机器学习预测热门文章合集
目前，众多银行由于服务质量的降低、同业竞争的日益激烈等因素，面临着信用卡客户流失的棘手难题，这给银行经理施加了沉重的压力。
【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】Python用LSTM、Wavenet神经网络、LightGBM预测股价
在金融科技的浪潮中，量化投资方法以其数据驱动和模型导向的特性，日益成为资本市场分析的重要工具。
Python股票预测:注意力多层Attention RNN LSTM应用
Attention 机制是一种在神经网络处理序列数据时极为关键的技术，它赋予了模型“聚焦”能力，能够自动评估输入序列中各部分的重要性。
【视频讲解】Python遗传算法GA优化SVR支持向量回归、ANFIS自适应神经模糊推理系统预测证券指数ISE数据
本文旨在通过应用多种机器学习技术，对交易所的历史数据进行深入分析和预测。
【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】LSTM神经网络模型在微博中文文本评论情感分析和股市预测应用附代码数据
本文将通过视频讲解，展示如何用python的LSTM模型对中文文本评论情感分析。
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。
【视频讲解】偏最小二乘结构方程模型PLS-SEM分析白茶产业数字化对共同富裕的影响|附代码数据
本文将通过视频讲解，展示如何用偏最小二乘结构方程模型PLS-SEM分析白茶产业数字化对共同富裕的影响。
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。
文本挖掘分析多元应用：新能源汽车股市、英国封锁、疫情旅游与舆情分析
在当今信息爆炸的时代，文本分析作为一种重要的数据处理方法，已经广泛应用于各个领域的研究中。
Python贷款违约预测:Logistic、Xgboost、Lightgbm、贝叶斯调参/GridSearchCV调参
WeChat Tencent QQ email print 由Linseng Bo撰写 解决方案 任务/目标
R语言聚类分析、因子分析、主成分分析PCA农村农业相关经济指标数据可视化
随着农业和农村经济的快速发展，各地区之间的经济差异日益显著。
R语言SOM神经网络聚类、多层感知机MLP、PCA主成分分析可视化银行客户信用数据实例
自组织地图（SOM）是一种强大的无监督数据可视化工具，它通过降维技术，在较低（通常二维）的空间中有效地展示高维数据集的内在结构和特征。
R语言汇率、股价指数与GARCH模型分析：格兰杰因果检验、脉冲响应与预测可视化
汇率和股价指数之间的联系是许多经济学家和投资者关注的重要议题。
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。
R语言平稳性ADF检验、ARCH-LM效应检验分析收盘价收益率数据可视化
数据读取和处理是金融分析中非常重要的一步。
R语言KNN（K-近邻）模型分类信贷用户信用等级参数调优和预测可视化
本文主要介绍了如何帮助客户通过读取数据、查看部分数据、转换数据为因子并将数值变量归一化、进行描述性分析、建立knn模型等步骤对数据进行分析。
SPSS用多元逐步回归模型对上证指数预测、描述统计和相关分析可视化研究
主要思路为了准确的估计股票价格,了解股票的一般规律,更好的为资本市场提供参考意见和帮助股民进行投资股票作出正确
【专题】2023年保险合伙人白皮书及优增深度洞察报告PDF合集分享（附原数据表）
2023年，中国经济从高速向高质量转型，众多保险公司将队伍转型视为寿险行业供给侧改革的关键。
R语言、WEKA关联规则、决策树、聚类、回归分析工业企业创新情况影响因素数据
为了解某市规模以上工业企业创新情况，对该市企业的创新活动进行调查，分别得出三组数据testl(企业财务情况
R语言软件套保期限GARCH VAR模型对沪深300金融数据可视化分析
金融市场的波动性一直是投资者和决策者关注的焦点之一。
电信行业客户流失预测：KNN、朴素贝叶斯、逻辑回归、LDA/QDA、随机森林、支持向量机、CART、神经网络
客户流失是一个存在于各个行业的严重问题，这一问题也同样受到众多电信服务提供商的关注——因为获得一个新客户的成本远远超过保留一个老客户的成本。
R语言蒙特卡罗Monte Carlo方法进行数值积分和模拟可视化
蒙特卡罗方法的常见用途是对可能难以通过解析积分的函数执行数值积分。
聚类建模对智能助眠灯市场营销分析
如何精准定位目标客户，准确量化客户需求来开发新的产品组合，并预测其可能的市场份额。
R语言主成分、因子分析、聚类对我国城镇私营单位就业人员平均工资数据研究与分析
数据显示2019年全国城镇私营单位就业人员年平均工资为53604元，比上年增长8.1%。
R语言逻辑回归logistic对ST股票风险建模分类分析混淆矩阵、ROC曲线可视化
信用风险建模是金融领域的重要课题，通过建立合理的信用风险模型，可以帮助金融机构更好地评估借款人的信用状况，从而有效降低信贷风险。
数据分享|AARRR模型淘宝用户行为分析、电商销售分析
随着互联网、5G时代到来，大数据横空出世，数据变得越来越重要，如何针对业务问题和需求 ，提取有效特征数据并对问题进行深入分析，最终得到可靠的结论是数据分析最核心的环节，只有得出正确的结论才能对症下药，提出正确的方案，为产品运营提供有力支撑；
SPSS modeler利用类神经网络对茅台股价涨跌幅度进行预测
数据变得越来越重要，其核心应用“预测”也成为各个行业以及产业变革的重要力量。
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。
数据分享|SQL Server、Visual Studio、tableau对信贷风险数据ETL分析、数据立方体构建可视化
追求信贷规模的扩张，往往会导致贷款逾期率的不断增加，如何在当今社会运用数据识别用户特征进行风险管控成为了银行放贷的重点依据。
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
【专题】再制造发展下中国车险行业的机遇与挑战报告PDF合集分享（附原数据表）
本报告合集探讨了汽车再制造产业与车险行业的合作前景，提出了一些关键建议，以促进两个领域的融合发展。
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用 PyMC3 贝叶斯推理案例研究：抛硬币和保险索赔发生结果可视化
在这里，我们将帮助客户将 PyMC3 用于两个贝叶斯推理案例研究：抛硬币和保险索赔发生。
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。
【专题】中国可持续金融发展洞察白皮书报告PDF合集分享（附原数据表）
自我国提出双碳目标以来，可持续金融市场发展迅速，呈现蓬勃发展的态势。
SPSS Modeler用K-means（K-均值）聚类、CHAID、CART决策树分析31省市土地利用情况和GDP数据
随着经济的快速发展和城市化进程的不断推进，土地资源的利用和管理成为了一项极为重要的任务。
R语言分析ROE与股票收益的关系
影响股票收益的因子一直是研究者与投资者关注的问题。
R语言改进的DCC-MGARCH：动态条件相关系数模型、BP检验分析股市数据
股票市场波动性模型一直是金融领域研究的热点之一。
R语言k-prototype聚类新能源汽车行业上市公司分析混合型数据集
本文的研究目的是基于R语言的k-prototype算法，帮助客户对新能源汽车行业上市公司进行混合型数据集的聚类分析。
R语言上市公司经营绩效实证研究 ——因子分析、聚类分析、正态性检验、信度检验
随着我国经济的快速发展，上市公司的经营绩效成为了一个备受关注的话题。
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。
【视频】因子分析简介及R语言应用实例：对地区经济研究分析重庆市经济指标
WeChat Tencent QQ email print 由Li Yu撰写 进而起到降维的目的，还可检验变量
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语言门限误差修正模型(TVECM)参数估计沪深300指数和股指期货指数可视化
时间序列模型的理论已经非常丰富,模型的应用也相当广泛。 WeChat Tencent QQ email pri
R语言改进的K-Means(K-均值)聚类算法分析股票盈利能力和可视化
大量数据中具有”相似”特征的数据点或样本划分为一个类别。
R语言分位数回归、最小二乘回归OLS北京市GDP影响因素可视化分析
对于影响北京市GDP 因素分析常用的方法是最小二乘回归。【1】
