【R语言实战】——带有新息为标准学生t分布的金融时序的GARCH模型拟合预测
该篇文章主要展示了应用一个带有标准学生t分布新息的GARCH(1,1)模型，对数据进行拟合并且预测风险损失,同时进行了风险价值VaR和局部均值ES的度量，附完整代码及分析。 1 数据读取及预处理 运行程序： da=read.table("F:\\ch7data\\d...
【R语言实战】——金融时序分布拟合
该篇文章实现了对深证综指收益率数据进行分布拟合，首先对原始数据进行对数收益率计算，然后实现对数收益率数据的时序可视化及直方图展示。然后完成正态分布拟合的相关操作：均值；标准差；AIC值；密度估计值；对数收益率范围；经验密度及正态分布曲线。最后对对数收益率数据进行相关检验操作：t检验、偏度统计量计算及偏度检验；峰度统计量计算及峰度检验；正态分布检验。 ...
R语言Stan贝叶斯回归置信区间后验分布可视化模型检验|附数据代码
贝叶斯回归是一种统计方法，它使用贝叶斯定理来估计回归模型的参数。与传统的频率派回归方法不同，贝叶斯回归提供了参数的后验分布，而不仅仅是点估计。这意味着我们可以得到参数的不确定性度量，而不仅仅是单一的估计值（点击文末“阅读原文”获取完整代码数据）。 相关视频 ...
r语言Bootstrap自助法重采样构建统计量T抽样分布近似值可视化|代码分享
全文链接：https://tecdat.cn/?p=33939 统计量T是数据的一个函数，不依赖于任何未知参数（即我们可以根据数据计算得到它）（点击文末“阅读原文”获取完整代码数据）。 这意味着给定数据值x1,x2,⋯,xn，统计量T就是一个"数字"。然而，在观察到数据之前，"数据"是随机变量X1,X2,⋯,Xn，而我们的统计量T作为随机变量的函数，也是一个随...
数据分享|R语言生态学种群空间点格局分析：聚类泊松点过程对植物、蚂蚁巢穴分布数据可视化
全文链接 :https://tecdat.cn/?p=33676 点模式分析（点格局分析）是一组用于分析空间点数据的技术。在生态学中，这种类型的分析可能在客户的几个情境下出现，但对数据生成方式做出了特定的假设，因此让我们首先看看哪些生态数据可能与点模式分析相关或不相关（点击文末“阅读原文”获取完整代码数据）。 哪些数据适用于点模式分析？ 点模式分析的最...
R语言GARCH族模型：正态分布、t、GED分布EGARCH、TGARCH的VaR分析股票指数
全文链接：http://tecdat.cn/?p=31023 如何构建合适的模型以恰当的方法对风险进行测量是当前金融研究领域的一个热门话题（点击文末“阅读原文”获取完整代码数据）。 VaR方法作为当前业内比较流行的测量金融风险的方法,具有简洁,明了的特点,而且相对于方差来讲,更多的将投资人的损失作为风险具有更好的合理性。 我们和一位客户讨论如何在R软件...
R语言分布滞后线性和非线性模型DLM和DLNM建模应用| 系列文章
有时特定暴露事件的影响并不局限于观察到的那段时间，而是在时间上有所滞后。这就带来了一个问题，即对暴露事件与未来一系列结果之间的关系进行建模，指定事件发生后不同时间的影响分布（定义的滞后期）。最终，这一步需要定义暴露-反应关系的额外滞后维度，描述影响的时间结构。 在评估环境应激源的短期影响时，这种情况经常发生：一些时间序列研究报告称，暴露在高水平的空气污染或极端温度下，会在发生后...
【视频】R语言极值理论EVT：基于GPD模型的火灾损失分布分析|数据分享(下)
【视频】R语言极值理论EVT：基于GPD模型的火灾损失分布分析|数据分享(上)：https://developer.aliyun.com/article/1492333 四、摩天大楼 另一个有趣的应用是对摩天大楼的数据建模并检查其高度和楼层数的限制。全球摩天大楼的数据来自高层建筑和城市人居委员会 (CTBUH)。对摩天大楼的数量分布拟合了对数线性模型。进行 EVT 分析...
【视频】R语言极值理论EVT：基于GPD模型的火灾损失分布分析|数据分享(上)
全文链接：http://tecdat.cn/?p=21425 “In cauda venenum”是您在极值理论一书中看到的第一句话：Laurens de Haan 和 Anna Ferreira 的介绍，这是关于您在应用 EVT 时将要处理的数据的性质的非常富有表现力的句子，极端数据通常具有更重要的尾部信息，反映真实行为。 本文利用GPD模型对火灾经济损失数据（查看文...
R语言贝叶斯METROPOLIS-HASTINGS GIBBS 吉布斯采样器估计变点指数分布分析泊松过程车站等待时间
原文链接：http://tecdat.cn/?p=26578 指数分布是泊松过程中事件之间时间的概率分布，因此它用于预测到下一个事件的等待时间，例如，您需要在公共汽车站等待的时间，直到下一班车到了。 在本文中，我们将使用指数分布，假设它的参数 λ ，即事件之间的平均时间，在某个时间点 k 发生了变化，即： ...
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。