说到在股票市场上赚钱,有无数种不同的赚钱方式。似乎在金融界,无论你走到哪里,人们都在告诉你应该学习 Python
作者:夏尔康 https://ask.hellobi.com/blog/xiaerkang/4129 在R语言中,对数据进行回归建模是一件很简单的事情,一个lm()函数就可以对数据进行建模了,但是建模了之后大部分人很可能忽略了一件事情就是,对回归模型进行诊断,判断这个模型到低是否模型的假定;如果不符合假定,模型得到的结果和现实中会有巨大的差距,甚至一些参数的检验因此失效。 因为在对回归模型建模的时候我们使用了最小二乘法对模型参数的估计,什么是最小二乘法,通俗易懂的来说就是使得估计的因变量和样本的离差
在往期内容中,我已经和大家讲解了t检验和方差分析(ANOVA)在R语言中如何实现,这里需要注意:使用t检验和方差分析时,需要样本服从正态分布,并且方差齐性,或者经过变量变换后服从正态分布和方差齐性。但是如果我们的数据无论经过怎样的变量变换都达不到正态分布或方差齐性的要求,那么我们就需要使用基于秩次的非参数假设检验,非参数检验主要针对非正态样本,其统计效力会比带参数的假设检验要弱一些。
综合社会调查(GSS)是由国家舆论研究中心开展的一项观察性研究。 自 1972 年以来,GSS 一直通过收集当代社会的数据来监测社会学和态度趋势。其目的是解释态度、行为和属性的趋势和常量。从 1972 年到 2004 年,GSS 的目标人群是居住在家庭中的成年人(18 岁以上)。
对于2维的频率表,我们可以使用R语言的卡方检验函数chisq.test()来进行独立性检验,用以判断行变量和列变量之间是否相关。其实独立性检验本身就是用来判断变量之间相关性的方法,如果两个变量彼此独立,那么两者统计上就是不相关的。
R 语言在统计分析方面起了很大的作用,并且其开开放性更是促进了大量分析R包的出现。今天我们就不一一去列举相关的R包,而是总结一下R语言自带的统计学函数。 一、统计学数据的生成函数: norm 正态分布 f F分布 unif 均匀分布 cauchy 柯西分布 binom 二项分布 geom 几何分布 diag 对角阵 二、基础的运算函数 abs 绝对值 sqrt 平方根 exp e^x次方 log 自然对数 log2,log10 其他对数 sin,cos,tan 三角函数 sinh,cosh,tanh 双曲
机器学习三大主要分支:监督学习、无监督学习和半监督学习。对于监督学习,根据目标数据类型的不同分为二大核心任务:分类和回归。其中分类指目标数据为离散型变量,回归指目标数据为连续型变量。对于回归分析方法,本文主要介绍在实际应用最广泛的线性回归分析。下面有范君带你了解它的来龙去脉,后续会分享对应的实践样例(关于Python和R)。
本文中,我们讨论了一个将Poisson过程与Wiener过程结合在一起的最佳算法的问题。实际上,为了生成泊松过程,我们总是习惯于模拟跳跃之间的持续时间。我们使用给定时间间隔内跳跃的均匀性,该条件取决于跳跃的次数。
对于影响北京市GDP 因素分析常用的方法是最小二乘回归。【1】但最小二乘有自身的缺陷,该方法要求较高,例如许多观测数据很难满足全部假设条件(点击文末“阅读原文”获取完整代码数据)。
R函数:ks.test(),如果P值很小,说明拒绝原假设,表明数据不符合F(n,m)分布。
我之前预告过的 R 语言新书,起名为《R语言编程—基于tidyverse》,本书的目的是为了在国内推广 R 语言和 R 语言最新技术。本书非常适合新手 R 语言入门,老手 R 知识汰旧换新。
信用风险建模是金融领域的重要课题,通过建立合理的信用风险模型,可以帮助金融机构更好地评估借款人的信用状况,从而有效降低信贷风险。本文使用了 R 语言中的逻辑回归(logistic)模型,利用国泰安数据库中的103个上市公司的数据进行信用风险建模,其中包括51个正常公司和52个ST公司。在这个数据集中,我们选取了经营活动产生的现金流量净额、净资产收益率、每股收益和每股净资产等指标来分析其对公司是否为ST股票的影响。
今天来说说频率中假设检验要依赖的评估指标:p值,对,你也许很清楚的知道它表达的意思,但是它是怎么算得的呢?不知道你是否知道呢?这次将介绍几种分布计算p值的方法(套路)。
连续型数据的组间比较往往可以采用t检验/wilcoxon检验或者ANOVA方差分析/KW检验来完成。但是对于分类资料来说,这些方法就是行不通的了。详情点击:R语言系列第四期:①R语言单样本双样本差异性检验R语言系列第四期:②R语言多组样本方差分析与KW检验
今天在B站看了毕导的《我给自己发了2亿个红包,才发现先抢和后抢的差距这么大!》的视频,非常有意思,大家感兴趣也可以到B站观看。
这本书将教我们如何用R来做数据科学:学习如何将自己的数据导入R中,把它变成最有用的结构,转换,可视化并对数据进行建模。在这本书中,我们会学习数据科学需要实用技能。就像化学家学习如何清洁试管和储存实验室一样,我们将学会如何清洁数据,绘制绘图——还有许多其他的东西。
作为关联分析最常用的工具,plink支持多种关联分析的算法。对于经典的case/control关联分析,该软件支持allele和genotype两个层次的关联分析,具体做法如下
最近我们被客户要求撰写关于回归、anova方差分析、相关性分析的研究报告,包括一些图形和统计输出。
本文译自Wolfram博客:https://blog.wolfram.com/2013/05/22/why-would-a-mathematica-user-care-about-r/
专业生物信息学家也懂大家的痛,这不,单细胞测序数据兴起的时代,大佬们就在推出应对单细胞测序数据的在线工具 (Granatum),方便你我他。
【机器学习 | 假设检验系列】假设检验系列—卡方检验(详细案例,数学公式原理推导),最常被忽视得假设检验确定不来看看? 作者: 计算机魔术师 版本: 1.0 ( 2023.8.27 )
诊断图的横轴是拟合值,纵轴是残差、标准差或标准差的平方根,一般当各点的标准差集种在0处且分布较为均匀时,则说明拟合结果较好。上图显示2,3,5这三个样本的拟合值可能存在较大误差和,需仔细考虑。
对于机器学习/数据科学的研究者而言,回归分析是最基础的功课之一,可以称得上是大多数机器学习/数据科学研究的起点。
对VaR计算方法的改进,以更好的度量开放式基金的风险。本文把基金所持股票看成是一个投资组合,引入Copula来描述多只股票间的非线性相关性,构建多元GARCH-EVT-Copula模型来度量开放式基金的风险,并与其他VaR估计方法的预测结果进行比较。其次是将VaR引入到基金业绩评价中,构造RAROC指标来评价基金业绩,检验该评价指标的可行性。
在医学研究中,生存分析是一类非常重要的统计方法,它主要的目的是对生存率和时间进行建模,计算患者在特定时间段内生存的概率,主要用于评估治疗的效果和疾病的危险程度。由于患者可能在研究结束时或存活或死亡,还有一部分可能失联(可能活着),导致出现一定比例的删失值。因此,生存分析的数据分析也有其自身的特点。
假设检验的基本原理是小概率原理,即我们认为小概率事件在一次试验中实际上不可能发生。
之前详细介绍了利用R语言进行统计描述,详情点击:R语言系列第三期:③R语言表格及其图形展示、R语言系列第三期:①R语言单组汇总及图形展示、R语言系列第三期:②R语言多组汇总及图形展示
描述性统计是指将调查样本中的包含的大量数据资料进行整理、概况和计算。是推断性统计的基础。描述性统计是指运用制表和分类,图形以及计算概括性数据来描述数据特征的各项活动。
r的取值范围是[-1,1],r=1表示完全正相关!r=-1表示完全负相关!r=0表示完全不相关。
这篇文章讨论了自回归综合移动平均模型 (ARIMA) 和自回归条件异方差模型 (GARCH) 及其在股票市场预测中的应用
我们进行研究前,经常会被问到:对于我的研究,现在有x个可用的受试者,这样的研究值得做吗?或者“对于我的研究到底需要几个受试者呢?“这类问题需要功效分析进行解决。
假设指的是当我们没有足够的证据支持一个结果时,先可以假定一个结果。这个事先给出的假定结果,就叫做原假设(或零假设, H0),同时提出与之相对应的假设,叫做备择假设(H1)。
2018年努力成为一名数据科学家 1 一个数据科学家是比软件工作者更擅长统计学,比统计工作者更擅长软件工程。 2 一个数据科学家是研究和解决有价值的数据问题,他(她)遨游于数据的海洋中,从数据中学习
浩瀚的宇宙,无垠的时空,短暂的人类史,虽然渺小但成就却是伟大的,我们从匍匐到直立,聚沙成塔,抵御凶禽猛兽,顺天改命,成就了一个人类登顶的地球生态,编织了一个宏伟的社会蓝图。
比如这个结果,返回的就是95% 的置信区间。这里我们暂时不去看freqCI 函数算法本身是否正确。
本文来分享一下如何通过Python来开始数据分析。 具体内容如下: 数据导入 导入本地的或者web端的CSV文件; 数据变换; 数据统计描述; 假设检验 单样本t检验; 可视化; 创建自定义函数。 数据导入 这是很关键的一步,为了后续的分析我们首先需要导入数据。通常来说,数据是CSV格式,就算不是,至少也可以转换成CSV格式。在Python中,我们的操作如下: import pandas as pd # Reading data locally df = pd.read_csv('/Users/al-a
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。
你可以使用描述性统计方法将原始观测数据转换为你可以理解和共享的信息,也可以使用推断统计方法,通过数据的小样本对整个域进行推理。
对于寿命数据的分析,在生物学和医药学中是非常重要的话题。除此之外,在工程应用中的可靠性分析中也非常重要。寿命数据往往是高度非正态数据,因此使用标准的线性模型可能会有很多问题。
最近我们被客户要求撰写关于时变向量自回归(TV-VAR)模型的研究报告,包括一些图形和统计输出。
最近我们被客户要求撰写关于有限混合模型聚类FMM的研究报告,包括一些图形和统计输出。
数据分析师Data analyst:指熟悉相关业务,熟练搭建数据分析框架,掌握和使用相关的分析常用工具和基本的分析方法,进行数据搜集、整理、分析,针对数据分析结论给管理销售运营提供指导意义的分析意见。 数据分析师职位要求 1. 计算机、统计学、数学等相关专业本科及以上学历; 2. 具有深厚的统计学、数据挖掘知识,熟悉数据仓库和数据挖掘的相关技术,能够熟练地使用SQL; 3. 三年以上具有海量数据挖掘、分析相关项目实施的工作经验,参与过较完整的数据采集、整理、分析和建模工作; 4. 对商业和业务逻辑敏感,
前语 本文是中国人民大学教授吴喜之在“2015中国数据分析师行业峰会(CDA•Summit)”上的演讲全文,演讲的主题是“如何成为一名数据科学家”。 吴喜之,中国人民大学教授 上午嘉宾的讲课,讲的东西
因变量是无序多分类资料(>2)时,可使用多分类逻辑回归(multinomial logistic regression)。
世界如此喧嚣,知识何其稀少。这是一个信息爆炸的时代,被资讯洪流裹挟的我们,都养成了非常不好的思维习惯:把信息当作知识,把收藏当作学习,把阅读当作思考,把储存当作掌握。为了给读者提供跟多有价值的信息,文
领取专属 10元无门槛券
手把手带您无忧上云