R 语言用RNN循环神经网络 、LSTM长短期记忆网络实现时间序列长期利率预测
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。
Search Results: 数据
R语言模拟和预测ARIMA模型、随机游走模型RW时间序列趋势可视化
当一个序列遵循随机游走模型时，就说它是非平稳的。
SAS分类决策树预测贷款申请评分剪枝和结果可视化
分类树的一个常见用途是预测抵押贷款申请人是否会拖欠贷款。
R语言股票收益分布一致性检验KS检验Kolmogorov-Smirnov、置换检验Permutation Test可视化
今年的收益是否真的与典型年份的预期不同？
R语言模拟ARCH过程模型分析时间序列平稳性、波动性
在事物的发展过程中，常表现出复杂的波动情况，即时而波动的幅度较缓，而又时常出现波动集聚性(VolatilitY clustering),在风险研究中经常遇到这种情况。
R语言Fama French (FF) 三因子模型和CAPM多因素扩展模型分析股票市场投资组合风险/收益可视化
FF 模型通过回归除市场收益之外的几个变量的投资组合收益来扩展 CAPM。
R语言逻辑回归、随机森林、SVM支持向量机预测Framingham心脏病风险和模型诊断可视化
世界卫生组织估计全世界每年有 1200 万人死于心脏病。
matlab稳态和时变卡尔曼滤波器Kalman filter的设计和仿真植物动力学模型案例研究
WeChat Tencent QQ email print 由Kaizong Ye，Coin Ge撰写 考虑稳
Python高维统计建模变量选择:SCAD平滑剪切绝对偏差惩罚、Lasso惩罚函数比较
变量选择是高维统计建模的重要组成部分。
R语言ggplot2绘制Kolmogorov-Smirnov KS检验图ECDF经验累积分布函数曲线可视化
Kolmogorov-Smirnov是比较一个频率分布f(x)与理论分布g(x)或者两个观测值分布的检验方法。
R语言网络社区检测（社群发现）分析女性参加社交活动和社区节点着色可视化
在网络上进行社区检测时，有时我们不仅拥有实体之间的联系。
R语言估计获胜概率：模拟分析学生多项选择考试通过概率可视化
“获胜概率”的实时计算（或估计）很困难。
Python实现谱聚类Spectral Clustering算法和改变聚类簇数结果可视化比较
谱聚类是一种将数据的相似矩阵的谱应用于降维的技术。
Python配对交易策略Pairs Trading统计套利量化交易分析股票市场
最近我们被客户要求撰写关于量化交易的研究报告。
R语言Copula估计边缘分布模拟基金收益率计算投资组合风险价值VaR与期望损失ES
在这项工作中，我通过创建一个包含四只基金的模型来探索 copula，这些基金跟踪股票、债券、美元和商品的市场指数。
R语言非线性回归beta系数估算股票市场的风险分析亚马逊AMZN股票和构建投资组合
Beta 假设反映了一种工具对例如市场的风险。但是，您可以通过各种方式估算此度量。
R语言圆填充( Circle packing)算法圆堆图圆形空间填充算法可视化
已经开发了大量确定性和随机性的圆填充算法。
R语言社区发现算法检测心理学复杂网络：spinglass、探索性图分析walktrap算法与可视化
我们在心理学网络论文中看到的一个问题是，作者有时会对其数据的可视化进行过度解释。
Matlab正态分布、历史模拟法、加权移动平均线 EWMA估计风险价值VaR和回测Backtest标准普尔指数 S&P500时间序列
此示例说明如何使用三种方法估计风险价值 (VaR) 并执行 VaR 回测分析。
R语言Garch建模常用软件包比较、拟合标准普尔SP 500指数波动率时间序列和预测可视化
我们研究波动聚集，以及使用单变量 GARCH(1,1) 模型对其进行建模。
Python集成学习：自己编写构建AdaBoost分类模型可视化决策边界及sklearn包调用比较
Boosting指的是机器学习元算法系列，它将许多 “弱 “分类器的输出合并成一个强大的 “集合”，其中每个弱分类器单独的错误率可能只比随机猜测好一点。
Python金融时间序列模型ARIMA 和GARCH 在股票市场预测应用
这篇文章讨论了自回归综合移动平均模型 (ARIMA) 和自回归条件异方差模型 (GARCH) 及其在股票市场预测中的应用。
R语言深度学习卷积神经网络 (CNN)对 CIFAR 图像进行分类：训练与结果评估可视化
本文演示了训练一个简单的卷积神经网络 (CNN) 来对 CIFAR 图像进行分类。
Matlab创建向量自回归（VAR）模型分析消费者价格指数 (CPI) 和失业率时间序列
var对象指定了p阶平稳的多变量向量自回归模型（VAR(p)）模型的函数形式并存储了参数值。
R语言STAN贝叶斯线性回归模型分析气候变化影响北半球海冰范围和可视化检查模型收敛性
像任何统计建模一样，贝叶斯建模可能需要为你的研究问题设计合适的模型，然后开发该模型，使其符合你的数据假设并运行。
Python集成机器学习：用AdaBoost、决策树、逻辑回归集成模型分类和回归和网格搜索超参数优化
Boosting 是一类集成机器学习算法，涉及结合许多弱学习器的预测。
MATLAB用GARCH模型对股票市场收益率时间序列波动的拟合与预测
使用 garch 指定一个单变量GARCH（广义自回归条件异方差）模型。
R语言Kmeans均值聚类和层次聚类：亚洲国家地区生活幸福质量异同可视化分析和选择最佳聚类数
《世界幸福报告》是可持续发展解决方案网络的年度报告，该报告使用盖洛普世界民意调查的调查结果研究了150多个国家/地区的生活质量。
R语言极值理论 EVT、POT超阈值、GARCH 模型分析股票指数VaR、条件CVaR：多元化投资组合预测风险测度分析
本文用 R 编程语言极值理论 (EVT) 以确定 10 只股票指数的风险价值（和条件 VaR）。
R语言估计多元标记的潜过程混合效应模型（lcmm）分析心理测试的认知过程
每个动态现象都可以用一个潜过程（Λ(t)）来表征，这个潜过程在连续的时间t中演化。
R语言BUGS序列蒙特卡罗SMC、马尔可夫转换随机波动率SV模型、粒子滤波、Metropolis Hastings时间序列分析
在这个例子中，我们考虑马尔可夫转换随机波动率模型。
R语言用贝叶斯线性回归、贝叶斯模型平均 (BMA)来预测工人工资
贝叶斯模型提供了变量选择技术，确保变量选择的可靠性。
R语言因子实验设计nlme拟合非线性混合模型分析有机农业施氮水平
因子实验在农业中非常普遍，它们通常用于测试实验因素之间相互作用的重要性。
R语言用加性多元线性回归、随机森林、弹性网络模型预测鲍鱼年龄和可视化
铁和泛酸的极好来源，是澳大利亚、美国和东亚的营养食品资源和农业。100 克鲍鱼可提供超过 20% 的每日推荐摄入量。鲍鱼的经济价值与其年龄呈正相关。因此，准确检测鲍鱼的年龄对于养殖者和消费者确定其价格非常重要。
Python 用ARIMA、GARCH模型预测分析股票市场收益率时间序列
在量化金融中，我们学习了各种时间序列分析技术以及如何使用它们。
Python用Beta先验分布推断概率，贝叶斯推断计算和可视化案例
在这篇文章中，我将扩展从数据推断概率的示例，考虑 0 和 1之间的所有（连续）值，而不是考虑一组离散的候选概率。
R语言非线性混合效应 NLME模型(固定效应&随机效应)对抗哮喘药物茶碱动力学研究
最近我们被客户要求撰写关于抗哮喘药物茶碱动力学研究的报告。茶碱数据文件报告来自抗哮喘药物茶碱动力学研究。
R语言平滑算法LOESS局部加权回归、三次样条、变化点检测拟合电视节目《白宫风云》在线收视率
此示例基于电视节目的在线收视率。我们将从抓取数据开始。
R语言结合新冠疫情COVID-19股票价格预测：ARIMA，KNN和神经网络时间序列分析
本文的目标是使用各种预测模型预测Google的未来股价，然后分析各种模型。
R语言随机波动率(SV)模型、MCMC的Metropolis-Hastings算法金融应用：预测标准普尔SP500指数
在这个例子中，我们考虑随机波动率模型 SV0 的应用，例如在金融领域。
R语言ARIMA-GARCH波动率模型预测股票市场苹果公司日收益率时间序列
在本文中，我们将尝试为苹果公司的日收益率寻找一个合适的 GARCH 模型。
python用支持向量机回归(SVR)模型分析用电量预测电力消费
本文描述了训练支持向量回归模型的过程，该模型用于预测基于几个天气变量、一天中的某个小时、以及这一天是周末/假日/在家工作日还是普通工作日的用电量。
R语言深度学习Keras循环神经网络(RNN)模型预测多输出变量时间序列
递归神经网络被用来分析序列数据。
R语言用综合信息准则比较随机波动率（SV）模型对股票价格时间序列建模
随机波动率（SV）模型是常用于股票价格建模的一系列模型。
R语言使用限制平均生存时间RMST比较两条生存曲线分析肝硬化患者
在比较性的纵向临床研究中，主要终点往往是发生特定临床事件的时间，如死亡、心衰住院、肿瘤进展等。
R语言Meta分析效应量
进行荟萃分析时，您很可能必须使用通用度量将效果大小计算或转换为效果大小。
Python用决策树分类预测糖尿病和可视化实例
决策树是对例子进行分类的一种简单表示。
R语言社区检测算法可视化网络图：ggplot2绘制igraph对象分析物种相对丰度
我们使用R中的igraph包，产生了网络的图形。
r语言有限正态混合模型EM算法的分层聚类、分类和密度估计及可视化
最近我们被客户要求撰写关于有限正态混合模型在r软件中的实现的研究报告，用于基于模型的聚类、分类和密度估计。
R语言回测交易：根据历史信号/交易创建股票收益曲线
本文介绍如何根据历史信号/交易制作股票曲线。
R语言用假近邻长短期记忆人工神经网络FNN-LSTM模型进行时间序列深度学习预测4个案例
在最近的一篇文章中，我们展示了一个LSTM模型，通过假近邻（FNN）损失进行正则化，可以用来重建一个非线性动态系统。
R语言可视化渐近正态性、收敛性：大数定律、中心极限定理、经验累积分布函数
在我们的数理统计课程中，已经看到了大数定律（这在概率课程中已经被证明），证明
Python中TensorFlow的长短期记忆神经网络(LSTM)、指数移动平均法预测股票市场和可视化
本文探索Python中的长短期记忆（LSTM）网络，以及如何使用它们来进行股市预测。
R语言用线性混合效应（多水平/层次/嵌套）模型分析声调高低与礼貌态度的关系
最近我们被客户要求撰写关于线性混合效应模型的研究报告，包括一些图形和统计输出。线性混合效应模型与我们已经知道的线性模型有什么不同？
python中的copula：Frank、Clayton和Gumbel copula模型估计与可视化
简单地说，copulas是具有均匀边际的联合分布函数。
R语言Keras用RNN、双向RNNs递归神经网络、LSTM分析预测温度时间序列、 IMDB电影评分情感
在这篇文章中，我们将回顾三种提高循环神经网络的性能和泛化能力的高级方法。
R语言用极大似然和梯度下降算法估计GARCH(p)过程
本文考虑一些ARCH(p)过程，例如ARCH(1)。
上海无印良品地理空间分布特征与选址策略可视化研究
本文以上海市无印良品为例，运用定性分析与定量研究相结合的方法，分析了无印良品宏观和微观空间分布特征、区位分析和选址策略，讨论了无印良品对于城市的影响和意义。
Python用Keras神经网络序列模型回归拟合预测、准确度检查和结果可视化
我们可以很容易地用Keras序列模型拟合回归数据并预测测试数据。
R语言分布滞后非线性模型（DLNM）空气污染研究温度对死亡率影响建模应用
环境应激源往往表现出时间上的延迟效应，这就要求使用足够灵活的统计模型来描述暴露-反应关系的时间维度。
R语言用AR，MA，ARIMA 模型进行时间序列预测
本文讨论用ARIMA模型进行预测。考虑一些简单的平稳的AR（1）模拟时间序列
R语言广义二次跳跃、非线性跳跃扩散过程转移函数密度的估计及其应用
扩散的意思是过程可以包含布朗运动的成份，甚至写成布朗运动的积分形式。同时，这样的过程可以包含跳跃。
Python用LSTM长短期记忆神经网络对不稳定降雨量时间序列进行预测分析
最近我们被客户要求撰写关于使用长短期记忆网络（LSTM）来拟合一个不稳定的时间序列的研究报告。
