Tag Archives: 股票价格

视频讲解：CatBoost、梯度提升 (XGBoost、LightGBM)对心理健康数据、交通流量及股票价格预测研究

By tecdat8月 18, 2025Python辅导, R语言辅导, 地理，运输，旅行和物流, 大数据部落, 心理学, 技术支持, 数理统计, 期刊论文发表投稿, 特色视频, 经济, 计算机科学CS辅导, 计算机科学与技术CatBoost, LightGBM, xgboost, 交通流量, 心理健康, 心理健康数据, 梯度提升, 股票, 股票价格

本文聚焦职场发展、城市运营、消费趋势三大场景，深度运用随机森林、自适应提升（AdaBoost、GBM ）与线性回归、决策树模型，剖析数据驱动下的实践路径。

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

By tecdat11月 8, 2024Python辅导, 大数据部落, 技术支持, 数理统计, 经济, 计算机科学CS辅导, 计算机科学与技术, 金融arima, Attention, CNN, LSTM, 中国银行, 注意力, 混合模型, 股票, 股票价格, 预测

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。

Python用CNN – LSTM、ARIMA、Prophet股票价格预测的研究与分析|附数据代码

By tecdat10月 12, 2024Python辅导, 大数据部落, 技术支持, 数理统计, 期刊论文发表投稿, 经济, 计算机科学CS辅导, 计算机科学与技术, 金融arima, CNN, LSTM, Prophet, 股票, 股票价格, 预测

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。

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

By tecdat10月 8, 2023Python辅导, 大数据部落, 技术支持, 数理统计, 经济, 计算机科学CS辅导, 计算机科学与技术, 金融Stochastic Volatility, SV, SVI, 时间序列, 标普500指数, 波动性, 股票, 股票价格, 随机变分推断, 随机波动, 随机波动模型

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GARCH对ADBL股票价格时间序列趋势滚动预测、损失、可视化分析

By tecdat8月 9, 2023Python辅导, 大数据部落, 技术支持, 数理统计, 期刊论文发表投稿, 经济, 计算机科学CS辅导, 计算机科学与技术, 金融ADBL, GARCH, 损失, 时间序列, 滚动预测, 股票, 股票价格

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。

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

By tecdat8月 15, 2022大数据部落, 技术支持, 数理统计, 经济, 计算机科学与技术, 金融emd, LSTM, MACD, python, RNN, 交易策略, 优化, 神经网络, 经验模态分解, 股票, 股票价格

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。

【视频讲解】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

By tecdat10月 20, 2021大数据部落, 数理统计, 机器学习, 特色视频, 经济, 计算机科学与技术, 金融arima, COVID, COVID-19, knn, 新冠, 新冠疫情, 时间序列, 疫情, 神经网络, 股票, 股票价格, 预测

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

By tecdat9月 26, 2021大数据部落, 数理统计, 经济, 计算机科学与技术, 金融SV, 信息准则, 时间序列, 综合信息准则, 股票, 股票价格, 随机波动率

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k-Shape时间序列聚类方法对股票价格时间序列聚类

By tecdat7月 28, 2019大数据部落, 数理统计, 经济, 计算机科学与技术, 软件工程k-Shape, R语言, 时间序列, 时间序列聚类, 聚类, 股票, 股票价格

这次，我们将使用k-Shape时间序列聚类方法检查与我们有业务关系的公司的股票收益率的时间序列。