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。
Category Archives: 经济
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。
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。
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。
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。
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。
R语言资产配置: 季度战术资产配置策略研究
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。
R语言HAR和HEAVY模型分析高频金融数据波动率
最近我们被客户要求撰写关于分析高频金融数据波动率的研究报告。在学术界和金融界，分析高频财务数据的经济价值现在显而易见。
R语言分位数回归预测筛选有上升潜力的股票
现在，分位数回归已被确立为重要的计量经济学工具。
【视频讲解】R语言中的时间序列分析模型：ARIMA-ARCH / GARCH模型分析股票价格
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。
R语言泊松Poisson回归模型预测人口死亡率和期望寿命
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。
R语言动量交易策略分析调整后股市数据
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）。
R语言对Hull White短期利率模型仿真
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。
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。
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语言对股票风险“溃疡指数”（ Ulcer Index）曲面图可视化
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。
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。
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。
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。
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。
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。
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。
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。
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。
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Markowitz马克维茨投资组合理论分析和可视化
至少在统计学的角度上，要评估一个投资组合是否最优是很困难的。
R语言逻辑回归和泊松回归模型对发生交通事故概率建模
我们已经看到了如何考虑风险敞口，计算包含风险敞口的多个数量（经验均值和经验方差）的非参数估计量。让我们看看如果要对二项式变量建模。
非参数模型厘定保险费率：局部回归、广义相加模型GAM、样条回归
公司必须使用细分技术才能生存。现在，问题在于，我们不能确定指数衰减是溢价随年龄变化的正确方法。一种替代方法是使用非参数技术来可视化年龄对索赔频率的真实影响。
小数定律的保险业应用：泊松分布模拟索赔次数
在保险业中，由于分散投资，通常会在合法的大型投资组合中提及大数定律。在一定时期内，损失“可预测”。
R语言多分类logistic逻辑回归模型在混合分布模拟个人风险损失值评估的应用
通常，我们在回归模型中一直说的一句话是“ 请查看一下数据 ”。
广义线性模型索赔频率预测：过度分散、风险暴露数和树状图可视化
在精算科学和保险费率制定中，考虑到风险敞口可能是一场噩梦。不知何故，简单的结果是因为计算起来更加复杂，只是因为我们必须考虑到暴露是一个异构变量这一事实。
R语言通过伽玛与对数正态分布假设下的广义线性模型对大额索赔进行评估预测
我们已经很自然地认为，不仅可以用一些协变量来解释单个索赔的频率，而且可以用单个成本来解释。
R语言精算学：使用链梯法Chain Ladder和泊松定律模拟和预测未来赔款数据
使用Chain Ladder方法完成流量三角形，即计算我们认为未来几年将支付的平均金额
R语言中的广义线性模型（GLM）和广义相加模型（GAM）：多元（平滑）回归分析保险资金投资组合信用风险敞口
在之前的课堂上，我们已经看到了如何可视化多元回归模型（带有两个连续的解释变量）。
R语言对巨灾风险下的再保险合同定价研究案例：广义线性模型和帕累托分布Pareto distributions分析
本文为非人寿保险课程的一部分，该示例对1900 -2005年间的“ 美国标准化飓风损失 ”数据集进行研究（2008）。我们使用了广义线性模型和帕累托分布Pareto distributions分析。
R语言中GLM(广义线性模型)，非线性和异方差可视化分析
上周在 非人寿保险课程中，我们了解了广义线性模型的理论
R语言蒙特卡洛计算和快速傅立叶变换计算矩生成函数
对精算科学来说，当我们处理独立随机变量的总和时，特征函数很有趣，因为总和的特征函数是特征函数的乘积。
R语言预测人口死亡率：用李·卡特（Lee-Carter）模型、非线性模型进行平滑估计
我和同事一起分析死亡率。我们在研究人口数据集，可以观察到很多波动性。
R语言再保险合同定价案例研究
拥有参数模型变得有趣，该模型应该比经验平均值更健壮。
R语言对混合分布中的不可观测与可观测异质性因子分析
今天上午，在课程中，我们讨论了利率制定中可观察和不可观察异质性之间的区别（从经济角度出发）。
R语言泊松回归对保险定价建模中的应用：风险敞口作为可能的解释变量
在保险定价中，风险敞口通常用作模型索赔频率的补偿变量。
R语言分析负利率下金融市场：负利率和年金价值的变化
从动态的角度看,负利率效应也可以被描述为银行利率变化的速度小于价格指数变化的速度,这是一种违反经济规律的特殊状态。
R语言模拟保险模型中分类器的ROC曲线不良表现
在课程中进行案例研究（使用真实数据）时，学生都会惊讶地发现很难获得“好”模型
R语言中基于混合数据抽样(MIDAS)回归的HAR-RV模型预测GDP增长
我们进行了MIDAS回归分析，以预测季度GDP增长以及每月非农就业人数的增长。
【视频讲解】R语言马尔可夫区制转移模型Markov regime switching
本文简要介绍了一种简单的状态切换模型，该模型构成了隐马尔可夫模型（HMM）的特例。
Python中的ARIMA模型、SARIMA模型和SARIMAX模型对时间序列预测
使用ARIMA模型，您可以使用序列过去的值预测时间序列。
python3用ARIMA模型进行时间序列预测
ARIMA模型是一种流行的且广泛使用的用于时间序列预测的统计方法。
R语言中的马尔可夫区制转移(Markov regime switching)模型
金融分析师通常关心市场何时“发生变化”：几个月或者几年内市场的典型行为可以立即转变为非常不同的行为。
R语言ARMA-EGARCH模型、集成预测算法对SPX实际波动率进行预测
本文比较了几个时间序列模型，以预测SP 500指数的每日实际波动率。
R语言中进行期权定价的Heston模型
在本文中，我将向您展示如何模拟股票价格的Heston随机波动率模型。
使用R语言随机波动模型SV处理时间序列中的随机波动率
采样函数svsample需要其输入数据y是数值向量，而且没有任何缺失值（NA），如果提供其他任何内容，则会报错。
R语言使用随机技术差分进化算法优化的Nelson-Siegel-Svensson模型
在本教程中，我们将研究如何将Nelson-Siegel-Svensson（NSS）模型拟合到数据。由于我们将使用随机技术进行优化，因此我们应该重新运行几次。变量nRuns设置示例重启的次数。
已迁离北京外来人口的数据画像
我们分析了已迁离北京的外来人口的月收入、性别、迁入北京和迁离北京的日期、教育程度和职业这些方面的数据。
