拓端tecdat|R語言馬爾可夫區制轉換模型Markov regime switching
原文鏈接：http://tecdat.cn/?p=12280 總覽 本文簡要介紹了一種簡單的狀態切換模型，該模型構成了隱馬爾可夫模型（HMM）的特例。這些模型適應時間序列數據中的非平穩性。從應用的角度來看，這些模型在評估經濟/市場狀態時非常有用。這里的討論主要圍繞使用這些模型的科學性 ...
原文：拓端數據tecdat|Python用時變馬爾可夫區制轉換（Markov regime switching）自回歸模型分析經濟時間序列
原文鏈接：http: tecdat.cn p 原文出處：拓端數據部落公眾號 本文提供了一個在統計模型中使用馬可夫轉換模型模型的例子，來復現Kim和Nelson 中提出的一些結果。它應用了Hamilton 的濾波器和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 推薦指數：
相關推薦
拓端tecdat|R語言計量經濟學：工具變量法(兩階段最小二乘法2SLS)線性模型分析人均食品消費時間序列數據和回歸診斷
原文鏈接：http://tecdat.cn/?p=23759 原文出處：拓端數據部落公眾號 簡介 兩階段最小二乘法（2SLS）回歸擬合的線性模型是一種常用的工具變量估計方法。 本文的主要內容是將各種標准的回歸診斷擴展到2SLS。 2SLS估計的回顧 我們需要2SLS回歸的一些 ...
R語言如何做馬爾科夫轉換模型markov switching model
原文鏈接：http://tecdat.cn/?p=6962 假設 有時間序列數據，如下所示。經驗表明，目標變量y似乎與解釋變量x有關。然而，乍一看，y的水平在中間移動，所以它似乎並不總是有固定的關系（背后有多個狀態）。 上面的樣本數據創建如下。數據根據時間改變x和y之間 ...
拓端數據tecdat|R語言經濟學：動態模型平均(DMA)、動態模型選擇(DMS)預測原油價格時間序列
原文鏈接：http://tecdat.cn/?p=22458 原文出處：拓端數據部落公眾號 簡介 本文提供了一個經濟案例。着重於原油市場的例子。簡要地提供了在經濟學中使用模型平均和貝葉斯方法的論據，使用了動態模型平均法（DMA），並與ARIMA、TVP等方法進行比較。希望對經濟和金 ...
拓端tecdat:Python 用ARIMA、GARCH模型預測分析股票市場收益率時間序列
原文鏈接： http://tecdat.cn/?p=24092 原文出處：拓端數據部落公眾號 前言 在量化金融中，我學習了各種時間序列分析技術以及如何使用它們。 通過發展我們的時間序列分析 (TSA) 方法組合，我們能夠更好地了解已經發生的事情，並對未來做出更好、更有利的預測。示例應用 ...
拓端tecdat|R語言中的隱馬爾可夫HMM模型實例
原文鏈接：http://tecdat.cn/?p=17592 最近，我們使用隱馬爾可夫模型開發了一種解決方案，並被要求解釋這個方案。 HMM用於建模數據序列，無論是從連續概率分布還是從離散概率分布得出的。它們與狀態空間和高斯混合模型相關，因為它們旨在估計引起觀測的狀態。狀態是未知或“隱藏 ...
拓端數據tecdat：Python | ARIMA時間序列模型預測航空公司的乘客數量
原文鏈接：http://tecdat.cn/?p=20742 時間序列 被定義為一系列按時間順序索引的數據點。時間順序可以是每天，每月或每年。 以下是一個時間序列示例，該示例說明了從1949年到1960年每月航空公司的乘客數量。 時間序列預測 時間序列預測是使用統計模型 ...
拓端tecdat|R語言ARIMA集成模型預測時間序列分析
本文我們使用4個時間序列模型對每周的溫度序列建模。第一個是通過auto.arima獲得的，然后兩個是SARIMA模型，最后一個是Buys-Ballot方法。 我們使用以下數據 k=620n=nrow(elec)futu=(k+1):ny=electricite$Load[1:k]plot(y ...