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。
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。
假设调查人员有兴趣检查减肥干预方法的三个组成部分。 WeChat Tencent QQ email print
本文描述了一个模型,该模型解释了交易的聚集到达,并展示了如何将其应用于比特币交易数据。
我们围绕Lasso技术进行一些咨询,帮助客户解决独特的业务问题。使用各种方法从指数分布生成 200 个五维数据 X 样本。
一只 股票的_beta_值通常意味着它与市场的关系,当市场变动 1%时,我们期望股票会发生多少百分比的变动。
冗余分析(redundancy analysis,RDA)是一种回归分析结合主成分分析的排序方法,也是多因变量(multiresponse)回归分析的拓展。
你们可能知道,实际极值分析有两种常用方法:分块极大值Blockmaxima、阈值超额法threshold excess。
对“NCI60”(癌细胞系微阵列)数据使用聚类方法
本文介绍具有分组惩罚的线性回归、GLM和Cox回归模型的正则化路径。
本文显示如何填充 图表中两条交叉线之间的区域。
本文描述了如何 使用内置 R 执行主成分分析 ( PCA )。
在本文,我们将考虑观察/显示所有变量的模型,以及具有潜在变量的模型。
我们一直在寻找一种直观的方法来绘制流程中状态之间的流程或连接。
绘制分类或回归树的基本方法的 rpart() 函数只是调用 plot。
漂亮的圆形图。我不确定对数据分析师本身是否有额外的好处,但如果能吸引决策者的注意,那对我来说就是额外的价值。
支持向量回归(SVR)是一种回归算法,它应用支持向量机(SVM)的类似技术进行回归分析。
最近我们被客户要求撰写关于计算 lme 4 包中广义线性混合模型的功效的研究报告。
WeChat Tencent QQ email print 由Kaizong Ye,Coin Ge撰写 使用l
本文档通过一些探索性数据分析来制定河流的评级曲线和流量预测。
有限混合模型是对未观察到的异质性建模或近似一般分布函数的流行方法。
本文,我通过两个种群生态学家可能感兴趣的例子来说明使用“JAGS”来模拟数据:首先是线性回归,其次是估计动物存活率(公式化为状态空间模型)。
WeChat Tencent QQ email print 由Kaizong Ye,Weilong Zhang
在本文中,我解释了基本回归,并介绍了主成分分析 (PCA) 使用回归来预测城市中观察到的犯罪率。
最近我们被客户要求撰写关于LCMM的研究报告。相比之下,潜在类别混合模型在于假设人口是异质的,并且由 G 潜在类别的受试者组成,其特征是 G 平均轨迹曲线。
最近,copula 在仿真模型中变得流行起来。
本文通过一些指数对散点图矩阵和平行坐标显示中的面板进行排序,并根据其数值水平对面板进行着色。
在这个例子中,我们考虑马尔可夫转换随机波动率模型。
此分析的目的是构建一个过程,以在给定时变波动性的情况下正确估计风险价值。 WeChat Tenc
如果你正在进行统计分析:想要加一些先验信息,最终你想要的是预测。
配置神经网络很困难,因为没有关于如何去做的好的理论。
在这篇文章中,我们讨论了基于gensim 包来可视化主题模型 (LDA) 的输出和结果的技术 。
本文介绍简化模型构建和评估过程。
在今天产品高度同质化的品牌营销阶段,企业与企业之间的竞争集中地体现在对客户的争夺上。
本教程使用R介绍了具有非信息先验的贝叶斯 GLM(广义线性模型)。
在这篇文章中,我将集中讨论一个给定一个短数据序列的推断概率的例子。
什么是PCR?(PCR = PCA + MLR)
特别是在经济学/计量经济学中,建模者不相信他们的模型能反映现实。
此示例说明如何使用从传感器获得的数据分析共享单车交通模式, 来预处理带时间戳的数据。数据来自传感器。
此示例说明如何使用逻辑回归模型进行贝叶斯推断。
面板向量自回归(VAR)模型在应用研究中的应用越来越多。
T-distributed Stochastic Neighbor Embedding (T-SNE) 是一种可视化高维数据的工具。
最近我们被客户要求撰写关于谷歌Google Analytics分析的研究报告。在等距时间段内以一系列点获得的数据通常称为时间序列数据。
作为数据分析的一部分,我们要在有价证券矩阵的操作上做一些工作,只需几行代码。
关联规则学习 在机器学习中用于发现变量之间的有趣关系。
分布滞后非线性模型(DLNM)表示一个建模框架,可以灵活地描述在时间序列数据中显示潜在非线性和滞后影响的关联。
时间序列是以固定时间_区间_记录的观察序列。
可以使用环状图形展示基因数据比较。可以添加多种图展信息,如热图、散点图等。
由于空气污染对公众健康的不利影响,人们一直非常关注。
最近,我们使用贝叶斯非参数(BNP)混合模型进行马尔科夫链蒙特卡洛(MCMC)推断。
两阶段最小二乘法(2SLS)回归拟合的线性模型是一种常用的工具变量估计方法。
Logistic回归,也称为Logit模型,用于对二元结果变量进行建模。
在经济学中,技术效率是指在既定的投入下产出可增加的能力或在既定的产出下投入可减少的能力。
我们被客户要求使用R库mgcv,用广义加性模型(GAMs)对环境数据进行建模。 WeChat Tencent
“随着社会的进步,人们在改善物质生活的同时开始追求精神生活。
降维是在我们处理包含过多特征数据的大型数据集时使用的,提高计算速度,减少模型大小,并以更好的方式将巨大的数据集可视化。这种方法的目的是保留最重要的数据,同时删除大部分的特征数据。
本文介绍了冲积/桑基图,以及
定义了命名方案和冲积/桑基图的基本组成部分(轴、冲积层、流)。
描述了所识别的冲积/桑基图数据结构。
展示了一些流行的主题。
用于R语言的多层感知器(MLP)和极限学习机(ELM)进行时间序列预测。
你知道吗,你可以把普通的静态ggplot图转换成动画图?
本文中我们用(非)线性混合模型分析藻类数据。这个问题的参数是:已知截距(0日值)在各组和样本之间是相同的。
在本文中,我们将使用基因表达数据。这个数据集包含120个样本的200个基因的基因表达数据。
在许多网站上都可以找到一个流行的德国信贷数据集_german_credit_,其中包含了银行贷款申请人的信息。
饼图把一个圆分成多个部分,这些部分的弧长(以及面积)代表一个整体的比例。
有些问题是线性的,但有些问题是非线性的。
录取情况反映了公众对一所大学水平和实力的认知,是评价一所大学及其专业 “知名度 “的重要指标。
本文将谈论Stan以及如何在R中使用rstan创建Stan模型。
回归数据可以用Keras深度学习API轻松拟合。
在本文中,我们将学习如何使用keras,用手写数字图像数据集(即MNIST)进行深度学习。
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