文章 2024-04-28 来自:开发者社区

R语言EG(Engle-Granger)两步法协整检验、RESET、格兰杰因果检验、VAR模型分析CPI和PPI时间序列关系

全文链接:http://tecdat.cn/?p=31108 作为衡量通货膨胀的基本指标,消费者价格指数CPI和生产者价格指数PPI的作用关系与传导机制一直是宏观经济研究的核心问题。(点击文末“阅读原文”获取完整代码数据)。 对此问题的研究显然具有重要的学术价值与现实意义:当PPI先行地引导着CPI的变动,则意味着上游价格对下游价格具有正向传导效应,物价可能因...

R语言EG(Engle-Granger)两步法协整检验、RESET、格兰杰因果检验、VAR模型分析CPI和PPI时间序列关系
文章 2024-04-26 来自:开发者社区

R语言用ARIMA模型滑动时间窗口识别网络流量时间序列异常值

全文链接:http://tecdat.cn/?p=30597 最近我们被要求解决时间序列异常检验的问题。有客户在使用大量的时间序列。这些时间序列基本上是每10分钟进行一次的网络测量,其中一些是周期性的(即带宽),而另一些则不是(即路由流量)(点击文末“阅读原文”获取完整代码数据)。 他想要一个简单的算法来进行在线“异常值检测”。基本上,想将每个时间序列的整个历...

R语言用ARIMA模型滑动时间窗口识别网络流量时间序列异常值
文章 2024-04-26 来自:开发者社区

R语言用FNN-LSTM假近邻长短期记忆人工神经网络模型进行时间序列深度学习预测4个案例

全文链接:http://tecdat.cn/?p=23792 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(点击文末“阅读原文”获取完整代码数据) 在这里,我们探讨了同样的技术是如何协助预测的。与 "普通LSTM "相比,FNN-LSTM在数据集上提高了性能,特别是在多步骤预测的初始阶段。 ...

R语言用FNN-LSTM假近邻长短期记忆人工神经网络模型进行时间序列深度学习预测4个案例
文章 2024-04-25 来自:开发者社区

R语言广义矩量法GMM和广义经验似然GEL估计ARMA、CAPM模型分析股票收益时间序列

原文链接:http://tecdat.cn/?p=27564 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。对这两种方法的理论方面进行了简要讨论,并通过经济学和金融学中的几个例子介绍了R语言。 介绍 自Hansen ( 1982 ) 以来,广义矩量法 (...

R语言广义矩量法GMM和广义经验似然GEL估计ARMA、CAPM模型分析股票收益时间序列
文章 2024-04-24 来自:开发者社区

R语言用隐马尔可夫Profile HMM模型进行生物序列分析和模拟可视化

原文链接:http://tecdat.cn/?p=27258  摘要 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。它包含多个和成对序列比对、模型构建和参数优化、文件导入/导出、实现条件序列概率的前向、后向和 Viterbi 算法、基于树的序列加权和序列模拟的功能。 相关视频 介绍 隐马尔可夫模型...

R语言用隐马尔可夫Profile HMM模型进行生物序列分析和模拟可视化
文章 2024-04-23 来自:开发者社区

R语言用GARCH模型波动率建模和预测、回测风险价值 (VaR)分析股市收益率时间序列

原文链接:http://tecdat.cn/?p=26897  风险价值 (VaR) 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。VaR 可以定义为资产在给定时间段内以概率 θ 超过的市场价值损失。对于收益率 rt 的时间序列,VaRt将是这样的 ...

R语言用GARCH模型波动率建模和预测、回测风险价值 (VaR)分析股市收益率时间序列
文章 2024-04-23 来自:开发者社区

R语言隐马尔可夫模型HMM连续序列重要性重抽样CSIR估计随机波动率模型SV分析股票收益率时间序列

原文链接:http://tecdat.cn/?p=26678 在本笔记本中,我们向读者介绍了基本的随机波动率模型,并通过连续序列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。 第一个随机波动率模型 令 yt ...

R语言隐马尔可夫模型HMM连续序列重要性重抽样CSIR估计随机波动率模型SV分析股票收益率时间序列
文章 2024-04-23 来自:开发者社区

R语言用多元ARMA,GARCH ,EWMA, ETS,随机波动率SV模型对金融时间序列数据建模(下)

R语言用多元ARMA,GARCH ,EWMA, ETS,随机波动率SV模型对金融时间序列数据建模(上):https://developer.aliyun.com/article/1490539 我们最终可以比较静态误差和滚动误差: barplot(rbind(erro...

R语言用多元ARMA,GARCH ,EWMA, ETS,随机波动率SV模型对金融时间序列数据建模(下)
文章 2024-04-23 来自:开发者社区

R语言用多元ARMA,GARCH ,EWMA, ETS,随机波动率SV模型对金融时间序列数据建模(上)

原文链接:http://tecdat.cn/?p=20015  本文将说明单变量和多变量金融时间序列的不同模型,特别是条件均值和条件协方差矩阵、波动率的模型。 均值模型 本节探讨条件均值模型。 iid模型 我们从简单的i...

R语言用多元ARMA,GARCH ,EWMA, ETS,随机波动率SV模型对金融时间序列数据建模(上)
文章 2024-04-23 来自:开发者社区

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

原文链接:http://tecdat.cn/?p=25957  介绍 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。例如,每天进行观察是很常见的。事实上,现在可以获得每小时、分钟、秒甚至毫秒的观测值。 使用的包 ...

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

本页面内关键词为智能算法引擎基于机器学习所生成,如有任何问题,可在页面下方点击"联系我们"与我们沟通。