拓端tecdat|R语言马尔可夫区制转换模型Markov regime switching
原文链接：http://tecdat.cn/?p=12280 总览 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。这些模型适应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 ...
原文：拓端数据tecdat|Python用时变马尔可夫区制转换（Markov regime switching）自回归模型分析经济时间序列
原文链接：http: tecdat.cn p 原文出处：拓端数据部落公众号 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 中提出的一些结果。它应用了Hamilton 的滤波器和Kim 的平滑器。 matplotlib inline import numpy as np import pandas as pd import statsmodels.api as ...
2021-06-03 22:49 0 168 推荐指数：
相关推荐
拓端tecdat|R语言计量经济学：工具变量法(两阶段最小二乘法2SLS)线性模型分析人均食品消费时间序列数据和回归诊断
原文链接：http://tecdat.cn/?p=23759 原文出处：拓端数据部落公众号 简介 两阶段最小二乘法（2SLS）回归拟合的线性模型是一种常用的工具变量估计方法。 本文的主要内容是将各种标准的回归诊断扩展到2SLS。 2SLS估计的回顾 我们需要2SLS回归的一些 ...
R语言如何做马尔科夫转换模型markov switching model
原文链接：http://tecdat.cn/?p=6962 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的水平在中间移动，所以它似乎并不总是有固定的关系（背后有多个状态）。 上面的样本数据创建如下。数据根据时间改变x和y之间 ...
拓端数据tecdat|R语言经济学：动态模型平均(DMA)、动态模型选择(DMS)预测原油价格时间序列
原文链接：http://tecdat.cn/?p=22458 原文出处：拓端数据部落公众号 简介 本文提供了一个经济案例。着重于原油市场的例子。简要地提供了在经济学中使用模型平均和贝叶斯方法的论据，使用了动态模型平均法（DMA），并与ARIMA、TVP等方法进行比较。希望对经济和金 ...
拓端tecdat:Python 用ARIMA、GARCH模型预测分析股票市场收益率时间序列
原文链接： http://tecdat.cn/?p=24092 原文出处：拓端数据部落公众号 前言 在量化金融中，我学习了各种时间序列分析技术以及如何使用它们。 通过发展我们的时间序列分析 (TSA) 方法组合，我们能够更好地了解已经发生的事情，并对未来做出更好、更有利的预测。示例应用 ...
拓端tecdat|R语言中的隐马尔可夫HMM模型实例
原文链接：http://tecdat.cn/?p=17592 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 ...
拓端数据tecdat：Python | ARIMA时间序列模型预测航空公司的乘客数量
原文链接：http://tecdat.cn/?p=20742 时间序列 被定义为一系列按时间顺序索引的数据点。时间顺序可以是每天，每月或每年。 以下是一个时间序列示例，该示例说明了从1949年到1960年每月航空公司的乘客数量。 时间序列预测 时间序列预测是使用统计模型 ...
拓端tecdat|R语言ARIMA集成模型预测时间序列分析
本文我们使用4个时间序列模型对每周的温度序列建模。第一个是通过auto.arima获得的，然后两个是SARIMA模型，最后一个是Buys-Ballot方法。 我们使用以下数据 k=620n=nrow(elec)futu=(k+1):ny=electricite$Load[1:k]plot(y ...