Python用RNN神经网络LSTM优化EMD经验模态分解交易策略的股票价格MACD分析
预测股票价格,并在合适的时间产生交易策略实现收益,一直是一个热门的问题,到现在为止也提出了很多预测方法。
预测股票价格,并在合适的时间产生交易策略实现收益,一直是一个热门的问题,到现在为止也提出了很多预测方法。
近段时间,美国总统大选引起了世界各国的关注。
WeChat Tencent QQ email print 由Haoran Chen撰写 对于两人竞选,因为对
运用Python 3.8.1版本,爬取网络数据,基于卷积神经网络(CNN)的图像处理原理,搭建口罩识别技术训练集,构建人脸识别系统,最终建立高校师生行踪查询管理系统。
WeChat Tencent QQ email print 由Lawrence Xi撰写 系统激发态密度与系统
随着互联网经济的迅猛发展,个人信贷规模在近年来呈现了爆炸式增长。
我们如何回答它:估计从标准柯西分布(t 分布 w/df = 1)生成的大小为 20 的随机样本的水平 \(k\) 修剪均值的 MSE。
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。
市场风险指的是由金融市场中资产的价格下跌或价格波动增加所导致的可能损失。
建立重庆市经济指标发展体系,以重庆市一小时经济圈作为样本,运用因子分析方法进行实证分析
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。
考虑我们从实验、事件等中观察到一些数据 y 的情况。
数据包含有关葡萄牙“Vinho Verde”葡萄酒的信息。该数据集有1599个观测值和12个变量,分别是固定酸度、挥发性酸度、柠檬酸、残糖、氯化物、游离二氧化硫、总二氧化硫、密度、pH值、硫酸盐、酒精和质量。
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)。
WeChat Tencent QQ email print 由Kaizong Ye,Liao Bao撰写 在我
本文开发和应用用于生物序列分析的隐马尔可夫模型和HMM。
此示例说明如何从 VEC( q ) 模型生成 Monte Carlo 预测。
本文包含一些直观的示例来说明 copula 理论的核心概念。
实现一个简单的 Metropolis-Hastings MCMC 从该模型的后验分布中采样。
时序数据的聚类方法
使用 ML 进行提升建模和因果推理。
该数据由Hopkins 大学根据世界各国提供的新病例数据提供。
Apriori 算法是一个相当新的算法,由 Agrawal 和 Srikant 于 1994 年提出。
WeChat Tencent QQ email print 由Kaizong Ye,Sherry Deng撰写
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。
对于模拟股票价格,几何布朗运动 (GBM) 是 事实上的首选 模型。
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。
在这个项目中,我讨论了如何使用主成分分析 (PCA) 进行简单的预测。
matlab软件在拟合数据时使用最小二乘法。
指数分布是泊松过程中事件之间时间的概率分布,因此它用于预测到下一个事件的等待时间。
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。
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
WeChat Tencent QQ email print 由Kaizong Ye,Weilong Zhang
Metropolis Hastings 算法是一种非常简单的算法,用于从难以采样的分布中生成样本。
极值理论对样本尾部分布的极值指数的估计方法主要有两类:半参数方法和全 参数方法,前者主要是基于分布尾部的 Hill 估计量,后者则主要基于广义帕累托分布。
Box 等人的开创性工作(1994) 在自回归移动平均模型领域的相关工作为波动率建模领域的相关工作铺平了道路,分别由 Engle (1982) 和 Bollerslev (1986) 引入了 ARCH 和 GARCH 模型。
本文演示了如何训练一个简单的卷积神经网络 (CNN) 来对 CIFAR 图像进行分类。
在此数据集中,我们必须预测信贷的违约支付,并找出哪些变量是违约支付的最强预测因子?
弹性网络正则化同时应用 L1 范数和 L2 范数正则化来惩罚回归模型中的系数。
本文使用的数据集记录了 1236 名新生婴儿的体重,以及他们母亲的其他协变量。
纪录片能够真实、详尽地反映一个地区的风貌,展示经济发展和社会进步。
WeChat Tencent QQ email print 由Kaizong Ye,Weilong Zhang
在之前的文章中,我们研究了许多使用 多输出回归分析的方法。
. 您想知道它是否与(例如)零显着不同。一般来说,人们会查看他们选择的软件报告的统计数据或 p.value。问题是,这个 p.value 计算依赖于因变量的分布。如果没有不同的说明,您的软件假定为正态分布,那是怎么回事?
对于那些不熟悉“配对交易”概念的人来说几句话。
从广义上讲,复杂的模型可以实现很高的预测准确性。
这篇文章是关于 copulas 和重尾的。
最近我们被客户要求撰写关于股票收益率时间序列的研究报告,包括一些图形和统计输出。在本文中,我们展示了 copula GARCH 方法拟合模拟数据和股票数据并进行可视化。
VARs的结构也允许联合检验多个方程的限制。
在这篇文章中,我想介绍 现代 投 资组合理论 (MPT)_、 _有效边界 以及它对投资组合构建的一些影响。
在多变量波动率预测中,我们有时会看到对少数主成分驱动的协方差矩阵建模,而不是完整的股票。
配对交易提出的问题之一是股票的贝塔值相对于市场的不稳定估计。
WeChat Tencent QQ email print 由Kaizong Ye,Sherry Deng撰写
在投资组合管理、风险管理和衍生品定价中,波动性起着重要作用。
“分位数自回归”,它是对时间序列域的重要扩展。
从广义上讲,我们可以将金融市场状况分为两类:牛市和熊市。
现在有了对贝叶斯方法的概念理解,我们将实际研究使用它的回归模型。
本文,我们说明了贝叶斯学习和 计算统计一些结果。
通过训练具有小中心层的多层神经网络重构高维输入向量,可以将高维数据转换为低维代码。
Metropolis-Hastings 算法对概率分布进行采样以产生一组与原始分布成比例的轨迹。
当ARIMA模型包括其它时间序列作为输入变量时,被称为传递函数模型(transfer function model)、多变量时间序列模型(multivariate time series model)、ARIMAX模型或Box-Tiao模型。
对于时间序列分析,有两种数据格式: ts (时间序列)和 xts (可扩展时间序列)。
这篇文章介绍了一类离散随机波动率模型。
2017 年年中,R 推出了 Keras 包 ,这是一个在 Tensorflow 之上运行的综合库,具有 CPU 和 GPU 功能。本文将演示如何在 R 中使用 LSTM 实现时间序列预测。
永远不要错过任何见解。当新文章发表时,我们会通过微信公众号向您推送。
技术干货
最新洞察
This will close in 0 seconds