R语言马尔可夫MCMC中的METROPOLIS HASTINGS，MH算法抽样（采样）法可视化实例
原文链接：http://tecdat.cn/?p=26324 介绍 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。 假设我们要从分布 π 中进行采样，我们将其称为“目标”分布。为简单起见，我们假设 π是实线上的一维分布，尽管它很容易扩展到一维以上（见下文）。 MH 算法通过模拟马尔可夫链来工作，其平稳...
R语言马尔可夫链（MARKOV CHAIN, MC）模拟赌徒破产模型GAMBLER’S RUIN PROBLEM可视化
原文链接：http://tecdat.cn/?p=26124 赌徒的破产问题是指玩家有获胜的概率p和失败的概率q。例如，让我们来看看一个技能游戏，玩家X可以通过接近目标，以0.6的概率击败玩家Y。游戏开始时，玩家X被分配到5分，玩家Y被分配到10分。每轮游戏后，玩家的积分要么减少一个，要么增加一个，我们可以确定玩家X将赢过玩家Y的概率。这类问题的应用范围很广。 ...
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 Hasting采样时间序列分析
在这个例子中，我们考虑马尔可夫转换随机波动率模型。 统计模型 设 yt为因变量，xt 为 yt 未观察到的对数波动率。对于 t≤tmax，随机波动率模型定义如下 状态变量 ct 遵循具有转移概率的二状态马尔可...
R语言马尔可夫区制转移模型Markov regime switching
总览 本文简要介绍了一种简单的状态转移模型，该模型构成了隐马尔可夫模型（HMM）的特例。这些模型拟合时间序列数据中的非平稳性。从应用的角度来看，这些模型在评估经济/市场状态时非常有用。这里的讨论主要围绕使用这些模型的科学性。 基本案例 HMM的主要挑战是预测隐藏部分。我们如何识别“不可观察”的事物？HMM的想法是从可观察的事物来预测潜在的事物。 模拟数据 ...
R语言如何做马尔可夫转换模型markov switching model
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。然而，乍一看，y在水平中间波动，所以它似乎并不总是有稳定的关系（背后有多个状态）。 上面的样本数据创建如下。x和y之间的关系数据根据时间改变。 ...
R语言隐马尔可夫模型HMM识别股市变化分析报告
了解不同的市场状况如何影响您的策略表现可能会对您的收益产生巨大的影响。 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。搞清楚什么时候开始或停止交易策略，调整风险和资金管理技巧，甚至设置进入和退出条件的参数都取决于市场“状态”或当前的情况。 能够识别不同的市场制度并相应地改变您的策略可能意味着市场成功和失败之间的区别。在本文中，我...
R语言使用马尔可夫链Markov Chain, MC来模拟抵押违约
这篇文章的目的是将我的日常工作和R相结合。 如果我们有一些根据固定概率随时间在状态之间切换的对象，我们可以使用马尔可夫链 来模拟该对象的长期行为。 一个很好的例子是抵押贷款。在任何给定的时间点，贷款都有违约概率。总的来说，我们将这些称为“转移概率”。假设这些概率在贷款期限内是固定的。 ...
R语言中的隐马尔可夫HMM模型实例
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。 HMM用于建模数据序列，无论是从连续概率分布还是从离散概率分布得出的。它们与状态空间和高斯混合模型相关，因为它们旨在估计引起观测的状态。状态是未知或“隐藏”的，并且HMM试图估计状态，类似于无监督聚类过程。 例子 在介绍HMM背后的基本理论之前，这里有一个示例，它将帮助您理解核心概念。有两个...
R语言隐马尔可夫模型HMM识别不断变化的股票市场条件
了解不同的市场状况如何影响您的策略表现可能会对您的回报产生巨大的影响。 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。搞清楚什么时候开始或停止交易策略，调整风险和资金管理技巧，甚至设置进入和退出条件的参数都取决于市场“制度”或当前的情况。 能够识别不同的市场制度并相应地改变您的策略可能意味着市场成功和失败之间的差异。在本文中，我...
R语言中实现马尔可夫链蒙特卡罗MCMC模型
什么是MCMC，什么时候使用它？ MCMC只是一个从分布抽样的算法。 这只是众多算法之一。这个术语代表“马尔可夫链蒙特卡洛”，因为它是一种使用“马尔可夫链”（我们将在后面讨论）的“蒙特卡罗”（即随机）方法。MCMC只是蒙特卡洛方法的一种，尽管可以将许多其他常用方法看作是MCMC的简单特例。 正如上面的段落所示，这个话题有一个引导问题，我们会慢慢解决。 我...
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。