原文鏈接：http://tecdat.cn/?p=25122 原文出處：拓端數據部落公眾號 當一個序列遵循隨機游走模型時，就說它是非平穩的。我們可以通過對時間序列進行一階差分來對其進行平穩化，這將產生一個平穩序列，即零均值白噪聲序列。例如，股票的股價遵循隨機游走模型，收益序列（價格序列 ...

原文鏈接：http://tecdat.cn/?p=17622 最近，我們繼續對時間序列建模進行探索，研究時間序列模型的自回歸和條件異方差族。我們想了解自回歸移動平均值（ARIMA）和廣義自回歸條件異方差（GARCH）模型。它們在量化金融文獻中經常被引用。 接下來是我對這些模型的理解 ...

原文鏈接：http://tecdat.cn/?p=23934 原文出處：拓端數據部落公眾號 引言 在本文中，我們將嘗試為蘋果公司的日收益率尋找一個合適的 GARCH 模型。波動率建模需要兩個主要步驟。 指定一個均值方程（例如 ARMA，AR，MA，ARIMA 等）。 建立 ...

原文鏈接：http://tecdat.cn/?p=24057 原文出處：拓端數據部落公眾號 1.概要 本文的目標是使用各種預測模型預測Google的未來股價，然后分析各種模型。Google股票數據集是使用R中的Quantmod軟件包從Yahoo Finance獲得的。 2.簡介 預測 ...

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 ...

原文鏈接：http://tecdat.cn/?p=12260 ARIMA模型是一種流行的且廣泛使用的用於時間序列預測的統計方法。 ARIMA是首字母縮寫詞，代表自動回歸移動平均。它是一類模型，可在時間序列數據中捕獲一組不同的標准時間結構。 在本教程中，您將發現如何使用Python開發用於 ...

原文鏈接：http://tecdat.cn/?p=16392 對於此示例，我將對R中的時間序列進行建模。我將最后24個觀察值保留為測試集，並將使用其余的觀察值來擬合神經網絡。當前有兩種類型的神經網絡可用，多層感知器；和極限學習機 ...

原文鏈接：http://tecdat.cn/?p=20434 本文從實踐角度討論了季節性單位根。我們考慮一些時間序列 ，例如道路上的交通流量， > plot(T,X ...