Python用Markov RNN马尔可夫递归神经网络建模序列数据t-SNE可视化研究
本文聚焦于利用马尔可夫递归神经网络(MarkovRNN)结合树库展开建模工作。
本文聚焦于利用马尔可夫递归神经网络(MarkovRNN)结合树库展开建模工作。
临床研究和医疗经济学研究中客户经常关注于评估患者在疾病从一种状态发展到另一种状态时的生存预后。
在现代金融市场中,资产收益率序列的预测一直是投资者和金融机构关注的焦点。
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。
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。
WeChat Tencent QQ email print 由Kaizong Ye,Weilong Zhang
本文,我们说明了贝叶斯学习和 计算统计一些结果。
在这个例子中,我们考虑马尔可夫转换随机波动率模型。
在这个例子中,我们考虑马尔可夫转换随机波动率模型。
此示例说明如何使用逻辑回归模型进行贝叶斯推断。
本文提供了一个在统计模型中使用马可夫转换模型模型的例子,来复现Kim和Nelson(1999)中提出的一些结果。
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 。
过程会随着时间的推移而发展,结果会发生变化。
最近我们被客户要求撰写关于MCMC采样的研究报告。在许多情况下,我们没有足够的计算能力评估空间中所有n维像素的后验概率 。在这些情况下,我们倾向于利用称为Markov-Chain Monte Carlo 算法的程序 。
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。
最近,我们使用隐马尔可夫模型开发了一种解决方案,并被要求解释这个方案。
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。
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。
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。
在强化学习中,我们有兴趣确定一种最大化获取奖励的策略。假设环境是马尔可夫决策过程 (MDP)的理想模型 ,我们可以应用动态编程方法来解决强化学习问题。
在本文中,将对“牛市”和“熊市”两个独立机制下的市场收益进行模拟。隐马尔可夫模型识别处于特定状态的概率。
贝叶斯隐马尔可夫模型是一种用于分割连续多变量数据的概率模型。
最近我们被客户要求撰写关于时间序列的研究报告。假设有时间序列数据,如下所示。经验表明,目标变量y似乎与解释变量x有关。
R语言markov switching model马尔可夫转换分析研究水资源
在这篇文章中,我们看看什么是渠道归因,以及它如何与马尔可夫链的概念联系起来。
R语言markov switching model马尔可夫转换模型研究案例
一个加油站有一个加油桩,没有空间供车辆等待(如果车辆到达,加油桩被占用,它就会离开)。
某些策略在波动剧烈的市场中表现良好,而其他策略则需要强劲而平稳的趋势,否则将面临长时间的下跌风险。
了解不同的股市状况,改变交易策略,对股市收益有很大的影响。
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