r语言随机森林

基于R语言的物种气候生态位动态量化与分布特征模拟

利用R语言进行物种气候生态位动态量化与分布特征模拟，不仅可以量化描述物种对环境的需求和适应性，预测物种的潜在生态位和分布，还可以模拟物种分布的动态变化，捕捉生物种群生态位的时空异质性。
xiao5kou4chang6kai4·2023-06-17 03:43

R语言：多重for循环的加速问题

博客来源于我的语雀专栏：R语言·语雀更多内容同步更新请关注我的语雀：令平子·语雀R多重for循环的加速问题？
令平子·2023-06-17 00:21

R语言：鉴于计算10亿以内训练模型记录for循环的加速

文章目录1前言2几个循环2.1100以内的和2.2100以内奇数和/偶数和3多重循环3.1向量化3.2合并循环3.3apply函数3.4矩阵运算3.5foreach分解任务4讨论1前言笔者主力机是MBAM1芯片（8+256），某个下午巩固循环突然思考到个问题，小循环很快就能run出来，中循环还勉勉强强，稍微上点强度就运行的很慢。虽然是CPU占用100%，8颗核心好像是偷着懒跑的，但是丢给我那台4核
Bioinfo Guy·2023-06-17 00:49

数据中台

平台架构：数据应用PMS/CMS/LMS/IMS智能数据分析BIM展示/GIS展示/数字孪生技术应用数据服务数据检索数据可视化（R语言）数据模型管理数据开放接口数据编排治理报告数据管理数据管理：数据权限管理
勇敢的_心_·2023-06-16 23:40

从 GPT2 到 Stable Diffusion：Elixir 社区迎来了 Hugging Face

上周，Elixir社区向大家宣布，Elixir语言社区新增从GPT2到StableDiffusion的一系列神经网络模型。这些模型得以实现归功于刚刚发布的Bumblebee库。
·2023-06-16 22:36

图形数据库neo4j 的 基本操作

returnn;#{}里面写要查询的属性通过id查询MATCH(n)WHEREid(n)=251RETURNn3.查询指定label的节点match(n:course)returnn;4.关系查询Cypher语言规定
聪明乖巧的小狮子·2023-06-16 17:00

R语言网络社区检测（社群发现）分析女性参加社交活动和社区节点着色可视化

原文链接：http://tecdat.cn/?p=24886在网络上进行社区检测时，有时我们不仅拥有实体之间的联系。这些实体代表了我们可能也想在网络可视化中代表的现实事物。plot(g)我使用数据集，代表了观察到的18位女性参加14场社交活动的情况。不考虑这个图是二向图，让我们尝试将图划分为社区。有自然的分界线吗？让我们根据节点所属的社区为节点着色：community(g)col <- membe
·2023-06-16 15:46

R语言警告：Cannot compute exact p-value with ties的处理方法

R语言警告：Cannotcomputeexactp-valuewithties的处理方法一、问题[1]"检验Spearman相关性的显著性为："Warningincor.test.default(death
XRT_knives·2023-06-16 15:09

R语言深度学习：用keras神经网络回归模型预测时间序列数据|附代码数据

全文链接：http://tecdat.cn/?p=23250最近我们被客户要求撰写关于深度学习的研究报告，包括一些图形和统计输出。回归数据可以用Keras深度学习API轻松拟合。在本教程中，我们将简要地学习如何通过使用R中的Keras神经网络模型来拟合和预测回归数据在这里，我们将看到如何创建简单的回归数据，建立模型，训练它，并最终预测输入数据。该教程包括生成样本数据集建立模型训练模型并检查准确性预
·2023-06-16 14:30

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|附代码数据

全文链接：http://tecdat.cn/?p=31023最近我们被客户要求撰写关于GARCH族模型的研究报告，包括一些图形和统计输出。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
·2023-06-16 14:28

R语言神经网络模型预测多元时间序列数据可视化

全文链接：http://tecdat.cn/?p=32198原文出处：拓端数据部落公众号多元时间序列建模一直是吸引了来自经济，金融和交通等各个领域的研究人员的主题。多元时间序列预测的一个基本假设是，其变量相互依赖。在本文中，我们使用了专门针对客户的多元时间序列数据设计的神经网络框架，拟合单隐层神经网络，可能存在跳跃层连接。查看数据其中Y为因变量，时间、Y1、Y2为自变量。读取数据data=read
·2023-06-16 14:56

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|附代码数据

全文链接：http://tecdat.cn/?p=31023最近我们被客户要求撰写关于GARCH的研究报告，包括一些图形和统计输出。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软件中处理GARCH族模型
·2023-06-16 14:23

PYTHON链家租房数据分析：岭回归、LASSO、随机森林、XGBOOST、KERAS神经网络|附代码数据

全文下载链接:http://tecdat.cn/?p=29480作者：XingshengYang最近我们被客户要求撰写关于链家租房的研究报告，包括一些图形和统计输出。1利用python爬取链家网公开的租房数据；2对租房信息进行分析，主要对房租相关特征进行分析，并搭建模型用于预测房租任务/目标利用上海链家网站租房的公开信息，着重对月租进行数据分析和挖掘。上海租赁数据此数据来自Lianjia.com.
·2023-06-16 14:23

PYTHON链家租房数据分析：岭回归、LASSO、随机森林、XGBOOST、KERAS神经网络|附代码数据

全文下载链接:http://tecdat.cn/?p=29480作者：XingshengYang最近我们被客户要求撰写关于链家租房数据的研究报告，包括一些图形和统计输出。1利用python爬取链家网公开的租房数据；2对租房信息进行分析，主要对房租相关特征进行分析，并搭建模型用于预测房租任务/目标利用上海链家网站租房的公开信息，着重对月租进行数据分析和挖掘。上海租赁数据此数据来自Lianjia.co
·2023-06-16 14:22

PYTHON链家租房数据分析：岭回归、LASSO、随机森林、XGBOOST、KERAS神经网络|附代码数据

全文下载链接:http://tecdat.cn/?p=29480作者：XingshengYang最近我们被客户要求撰写关于租房数据的研究报告，包括一些图形和统计输出。1利用python爬取链家网公开的租房数据；2对租房信息进行分析，主要对房租相关特征进行分析，并搭建模型用于预测房租任务/目标利用上海链家网站租房的公开信息，着重对月租进行数据分析和挖掘。上海租赁数据此数据来自Lianjia.com.
·2023-06-16 14:51

【视频】Copula算法原理和R语言股市收益率相依性可视化分析|附代码数据

阅读全文：http://tecdat.cn/?p=6193最近我们被客户要求撰写关于Copula的研究报告，包括一些图形和统计输出。copula是将多变量分布函数与其边缘分布函数耦合的函数，通常称为边缘。在本视频中，我们通过可视化的方式直观地介绍了Copula函数，并通过R软件应用于金融时间序列数据来理解它。为什么要引入Copula函数？当边缘分布（即每个随机变量的分布）不同的随机变量，互相之间并
·2023-06-16 14:19

R语言广义相加模型 (GAMs)分析预测CO2时间序列数据|附代码数据

全文下载链接：http://tecdat.cn/?p=20904最近我们被客户要求撰写关于GAMs的研究报告，包括一些图形和统计输出。环境科学中的许多数据不适合简单的线性模型，最好用广义相加模型（GAM）来描述这基本上就是具有光滑函数的广义线性模型（GLM）的扩展。当然，当您使用光滑项拟合模型时，可能会发生许多复杂的事情，但是您只需要了解基本原理即可。理论让我们从高斯线性模型的方程开始：GAM中发
·2023-06-16 14:19

R语言指数加权模型EWMA预测股市多变量波动率时间序列

原文链接：http://tecdat.cn/?p=25872从广义上讲，复杂的模型可以实现很高的预测准确性。但是您的读者需要快速理解。他们没有意愿或时间去处理任何太乏味的事情，即使它可以稍微准确一些。简单性是商业中非常重要的模型选择标准。在多元波动率估计中，最简单的方法是使用历史协方差矩阵。但这太简单了，我们已经知道波动性是随时间变化的。您经常看到从业者使用滚动标准差来模拟随时间变化的波动率。它可
·2023-06-16 14:14

R语言分位数自回归QAR分析痛苦指数：失业率与通货膨胀率时间序列

原文链接：http://tecdat.cn/?p=25536“分位数自回归”，它是对时间序列域的重要扩展。本教程的数据是_痛苦指数_，它是一个月频率时间序列，总和：（失业率+通货膨胀率）构成所谓的“苦难指数”。“什么是_痛苦指数_?就是_失业率_与_通货膨胀率_之和”。该指数认为，失业与通货膨胀给人们带来的痛苦是相同的，_失业率_上升1%与_通胀率_上升1%对人们_构成_同样程度的“痛苦”。加载数
·2023-06-16 14:43

R语言Copula模型分析股票市场板块相关性结构

原文链接：http://tecdat.cn/?p=25804这篇文章是关于copulas和重尾的。在全球金融危机之前，许多投资者是多元化的。看看下面这张熟悉的图：黑线是近似正态的。红线代表Cauchy分布，它是具有一个自由度的T分布的一个特殊情况。也许是因为Cauchy和t分布混在一起。我们总是可以计算出经验方差。请看下图。这是对1自由度的t分布（红色的Cauchy分布）和5自由度的t分布（蓝色）
·2023-06-16 14:43

R语言分析股市相关结构：用回归估计股票尾部相关性（相依性、依赖性）

原文链接：http://tecdat.cn/?p=25860什么是尾部相关性？假设市场出现了属于最差5%的日子的回撤：有人可以问，鉴于市场处于蓝色区域，特定股票下跌的概率是多少？我们都了解股票相对于市场的贝塔系数、股票相对于市场的敏感性（例如标准普尔500指数）的概念。尾部相关性的概念类似，因为它是股票对市场回撤的敏感性。如果每次市场下跌，股票下跌，那将意味着两件事：1.鉴于市场已经下跌，股票下跌
·2023-06-16 14:43

拓端数据tecdat:R语言用LASSO，adaptive LASSO预测通货膨胀时间序列

原文链接：http://tecdat.cn/?p=22273动机如果你了解数据科学领域，你可能听说过LASSO。LASSO是一个对目标函数中的参数大小进行惩罚的模型，试图将不相关的变量从模型中排除。它有两个非常自然的用途，第一个是变量选择，第二个是预测。因为通常情况下，LASSO选择的变量会比普通最小二乘法（OLS）少得多，其预测的方差会小得多，代价是样本中出现少量的偏差。LASSO最重要的特点之
·2023-06-16 14:09

拓端数据tecdat:R语言用Copulas模型的尾部相依性分析损失赔偿费用

原文链接：http://tecdat.cn/?p=22226两个随机变量之间的相依性问题备受关注,相依性(dependence)是反映两个随机变量之间关联程度的一个概念。它与相关性(correlation)有区别，常用的相关性度量是Pearson相关系数,它只度量了两个随机变量之间的线性关系,其值不仅依赖于它们的Copula函数,而且还依赖它们的边缘分布函数。直观地说,Copula函数就是两个(或
·2023-06-16 14:08

R语言分析股市相关结构：用回归估计股票尾部相关性（相依性、依赖性）

原文链接：http://tecdat.cn/?p=25860最近我们被客户要求撰写关于股票尾部相关性的研究报告，包括一些图形和统计输出。什么是尾部相关性？假设市场出现了属于最差5%的日子的回撤（缩减）：有人可以问，鉴于市场处于蓝色区域，特定股票下跌的概率是多少？我们都了解股票相对于市场的贝塔系数、股票相对于市场的敏感性（例如标准普尔500指数）的概念。尾部相关性的概念类似，因为它是股票对市场回撤的
·2023-06-16 14:02

R语言深度学习：用keras神经网络回归模型预测时间序列数据|附代码数据

全文链接：http://tecdat.cn/?p=23250最近我们被客户要求撰写关于深度学习的研究报告，包括一些图形和统计输出。回归数据可以用Keras深度学习API轻松拟合。在本教程中，我们将简要地学习如何通过使用R中的Keras神经网络模型来拟合和预测回归数据在这里，我们将看到如何创建简单的回归数据，建立模型，训练它，并最终预测输入数据。该教程包括生成样本数据集建立模型训练模型并检查准确性预
·2023-06-16 14:02

R语言（六）-- 函数

函数基本结构-------------------------------------输入数据类型向量:sum,mean,sd,range,median,sort,order矩阵或数据框:cbind,rbind数字矩阵:heatmape.g回归分析lm()state<-as.data.frame(state.x77[,c("Murder","Population","Illiteracy","In
Scabbards_·2023-06-16 07:58

从零开始学习R语言编程：完全指南

一、引言R语言是一种流行的数据分析语言，广泛应用于学术界、商业界和社会科学研究等领域。与其它数据分析软件相比，R语言的优点包括免费开源、高效可靠、具有强大的数据分析和可视化能力等。
笑不语·2023-06-16 07:27

大数据技术原理与应用 第三篇 大数据处理与分析（三）Spark

是基于内存计算的大数据并行计算框架，可用于构建大型的、低延迟的数据分析应用程序1.1Spark特点运行速度快：使用DAG执行引擎以支持循环数据流与内存计算容易使用：支持使用Scala、Java、Python和R语言进行编程
月望曦·2023-06-16 06:44

树模型学习笔记整理

、决策树的剪枝五、CART算法5.1CART生成5.2分类树的生成5.3CART剪枝六、提升树6.1AdaBoost算法6.2提升树6.2.1提升树模型6.2.2提升树算法6.2.3梯度提升6.2.4随机森林
__Lu__·2023-06-16 05:09

R语言用灰色模型 GM (1,1)、神经网络预测房价数据和可视化|附代码数据

以苏州商品房房价为研究对象，帮助客户建立了灰色预测模型GM(1,1)、BP神经网络房价预测模型，利用R语言分别实现了GM(1,1)和BP神经网络房价预测可视化由于房价的长期波动性及预测的复杂性，利用传统的方法很难准确预测房价
·2023-06-16 00:26

R语言MCMC:Metropolis-Hastings采样用于回归的贝叶斯估计|附代码数据

全文链接：http://tecdat.cn/?p=19664最近我们被客户要求撰写关于Metropolis-Hastings采样的研究报告，包括一些图形和统计输出。MCMC是从复杂概率模型中采样的通用技术。蒙特卡洛马尔可夫链Metropolis-Hastings算法问题如果需要计算有复杂后验pdfp（θ|y）的随机变量θ的函数f（θ）的平均值或期望值。您可能需要计算后验概率分布p（θ）的最大值。解
·2023-06-16 00:55

R语言武汉流动人口趋势预测：灰色模型GM（1，1）、ARIMA时间序列、logistic逻辑回归模型

本文帮助客户综合运用R语言灰色预测模型和logist
·2023-06-16 00:24

R语言用贝叶斯线性回归、贝叶斯模型平均 (BMA)来预测工人工资|附代码数据

全文链接：http://tecdat.cn/?p=24141最近我们被客户要求撰写关于贝叶斯的研究报告，包括一些图形和统计输出。在本文中，贝叶斯模型提供了变量选择技术，确保变量选择的可靠性。对社会经济因素如何影响收入和工资的研究为应用这些技术提供了充分的机会，同时也为从性别歧视到高等教育的好处等主题提供了洞察力背景下面，贝叶斯信息准则（BIC）和贝叶斯模型平均法被应用于构建一个简明的收入预测模型。
·2023-06-16 00:24

R语言改进的K-Means(K-均值)聚类算法分析股票盈利能力和可视化

全文链接：http://tecdat.cn/?p=32418原文出处：拓端数据部落公众号大量数据中具有"相似"特征的数据点或样本划分为一个类别。聚类分析提供了样本集在非监督模式下的类别划分。人们在投资时总期望以最小的风险获取最大的利益，面对庞大的股票市场和繁杂的股票数据，要想对股票进行合理的分析和选择，聚类分析就显得尤为重要。在本文中，我们采用了改进K-means聚类法帮助客户对随机选择的个股进行
·2023-06-16 00:54

r语言使用rjags R2jags建立贝叶斯模型|附代码数据

全文下载链接：http://tecdat.cn/?p=2857最近我们被客户要求撰写关于贝叶斯的研究报告，包括一些图形和统计输出。本文是通过对area,perimeter,campactness几个变量的贝叶斯建模,来查看他们对groovelength这个变量的影响，并且对比rjagsR2jags和内置贝叶斯预测函数的结果读取数据seed=read.csv("seeds_dataset.csv")
·2023-06-16 00:54

用R语言用Nelson Siegel和线性插值模型对债券价格和收益率建模|附代码数据

原文链接：http://tecdat.cn/?p=11758最近我们被客户要求撰写关于NelsonSiegel和线性插值模型的研究报告，包括一些图形和统计输出。保证金购买是指投资者先从银行或经纪人处借得资金购买证券，而所购买的证券作为借入资金的抵押债券基础零息债券是指以贴现方式发行，不附息票，而于到期日时按面值一次性支付本利的债券。债券的票面价值债券的票面价值又称面值,是债券票面标明的货币价值,是
·2023-06-16 00:53

R语言k-Shape时间序列聚类方法对股票价格时间序列聚类|附代码数据

原文链接:http://tecdat.cn/?p=3726最近我们被客户要求撰写关于时间序列聚类的研究报告，包括一些图形和统计输出。本文我们将使用k-Shape时间序列聚类方法检查与我们有业务关系的公司的股票收益率的时间序列企业对企业交易和股票价格在本研究中，我们将研究具有交易关系的公司的价格变化率的时间序列的相似性。由于特定客户的销售额与供应商公司的销售额之比较大，当客户公司的股票价格发生变化时
·2023-06-16 00:53

R语言k-Shape时间序列聚类方法对股票价格时间序列聚类|附代码数据

原文链接:http://tecdat.cn/?p=3726最近我们被客户要求撰写关于k-Shape时间序列聚类的研究报告，包括一些图形和统计输出。本文我们将使用k-Shape时间序列聚类方法检查与我们有业务关系的公司的股票收益率的时间序列企业对企业交易和股票价格在本研究中，我们将研究具有交易关系的公司的价格变化率的时间序列的相似性。由于特定客户的销售额与供应商公司的销售额之比较大，当客户公司的股票
·2023-06-16 00:22

R语言用灰色模型 GM (1,1)、神经网络预测房价数据和可视化

p=31938原文出处：拓端数据部落公众号以苏州商品房房价为研究对象，帮助客户建立了灰色预测模型GM(1,1)、BP神经网络房价预测模型，利用R语言分别实现了GM(1,1)和BP神经网络房价预测可视化。
·2023-06-16 00:22

R语言用GARCH模型波动率建模和预测、回测风险价值 (VaR)分析股市收益率时间序列|附代码数据

原文链接：http://tecdat.cn/?p=26897最近我们被客户要求撰写关于GARCH的研究报告，包括一些图形和统计输出。风险价值(VaR)是金融风险管理中使用最广泛的市场风险度量，也被投资组合经理等从业者用来解释未来市场风险风险价值(VaR)VaR可以定义为资产在给定时间段内以概率θ超过的市场价值损失。对于收益率rt的时间序列，VaRt将是这样的*其中It-1表示时间t-1的信息集。尽
·2023-06-16 00:50

【视频】CNN（卷积神经网络）模型以及R语言实现回归数据分析|附代码数据

全文链接：http://tecdat.cn/?p=18149最近我们被客户要求撰写关于CNN（卷积神经网络）的研究报告，包括一些图形和统计输出。无人驾驶汽车最早可以追溯到1989年。神经网络已经存在很长时间了，那么近年来引发人工智能和深度学习热潮的原因是什么呢？答案部分在于摩尔定律以及硬件和计算能力的显著提高。我们现在可以事半功倍。顾名思义，神经网络的概念是受我们自己大脑神经元网络的启发。神经元是
·2023-06-16 00:50

R语言用贝叶斯线性回归、贝叶斯模型平均 (BMA)来预测工人工资|附代码数据

全文链接：http://tecdat.cn/?p=24141最近我们被客户要求撰写关于贝叶斯线性回归的研究报告，包括一些图形和统计输出。在本文中，贝叶斯模型提供了变量选择技术，确保变量选择的可靠性。对社会经济因素如何影响收入和工资的研究为应用这些技术提供了充分的机会，同时也为从性别歧视到高等教育的好处等主题提供了洞察力背景下面，贝叶斯信息准则（BIC）和贝叶斯模型平均法被应用于构建一个简明的收入预
·2023-06-16 00:50

R语言用GARCH模型波动率建模和预测、回测风险价值 (VaR)分析股市收益率时间序列

原文链接：http://tecdat.cn/?p=26897风险价值(VaR)风险价值(VaR)是金融风险管理中使用最广泛的市场风险度量，也被投资组合经理等从业者用来解释未来市场风险。VaR可以定义为资产在给定时间段内以概率θ超过的市场价值损失。对于收益率rt的时间序列，VaRt将是这样的其中It-1表示时间t-1的信息集。尽管VaR在提供资产组合下行风险的简单总结时具有吸引人的简单性，但没有单一
·2023-06-16 00:19

R语言收益率和波动性模拟股票价格COMP226带自测题

全文链接：http://tecdat.cn/?p=29581在本工作表中，我们将研究价格、收益率和波动性。波动性通常用收益率的均方差来衡量，例如夏普比率的分母，它被用作风险的衡量标准。我们将使用股票价格的平均对数收益率和波动性（对数回报的均方差）来模拟股票价格。价格和收益率library(quantmod)getSymbols("AAPL")price_AAPLmu[1]0.001369495>s
·2023-06-16 00:19

R语言KMEANS均值聚类和层次聚类：亚洲国家地区生活幸福质量异同可视化分析和选择最佳聚类数

原文链接：http://tecdat.cn/?p=24198简介《世界幸福报告》是可持续发展解决方案网络的年度报告，该报告使用盖洛普世界民意调查的调查结果研究了150多个国家/地区的生活质量。报告的重点是幸福的社交环境。在本项目中，我将使用世界幸福报告中的数据来探索亚洲22个国家或地区，并通过查看每个国家的阶梯得分，社会支持，健康的预期寿命，自由选择生活，慷慨，对腐败的看法以及人均GDP，来探索亚
·2023-06-16 00:18

R语言用Garch模型和回归模型对股票价格分析

原文链接：http://tecdat.cn/?p=18310原文出处：拓端数据部落公众号为了找出影响价格波动的主要因素，我们使用逐步回归法来剔除一些对于应变量即价格影响很小的自变量剔除出我们的模型，我们分别把WTIPriceField等自变量的名称改为x1，x2……，最后的突发事件需要用到哑变量，哑变量只需要2个即可，我们将其作为X49，X50，X51,三个参数并将它们的值”正影响”、”无影响”、
·2023-06-16 00:18

R语言ARIMA-GARCH波动率模型预测股票市场苹果公司日收益率时间序列

原文链接：http://tecdat.cn/?p=23934引言在本文中，我们将尝试为苹果公司的日收益率寻找一个合适的GARCH模型。波动率建模需要两个主要步骤。指定一个均值方程（例如ARMA，AR，MA，ARIMA等）。建立一个波动率方程（例如GARCH,ARCH，这些方程是由RobertEngle首先开发的）。要做(1)，你需要利用著名的Box-Jenkins方法，它包括三个主要步骤。识别估算
·2023-06-16 00:18

拓端tecdat|R语言时变波动率和ARCH，GARCH，GARCH-in-mean模型分析股市收益率时间序列

原文链接：http://tecdat.cn/?p=23225自回归条件异方差（ARCH）模型涉及具有时变异方差的时间序列，其中方差是以特定时间点的现有信息为条件的。ARCH模型ARCH模型假设时间序列模型中误差项的条件均值是常数（零），与我们迄今为止讨论的非平稳序列不同），但其条件方差不是。这样一个模型可以用公式1、2和3来描述。方程4和5给出了测试模型和假设，以测试时间序列中的ARCH效应，其中
·2023-06-16 00:47

R语言用灰色模型 GM (1,1)、神经网络预测房价数据和可视化|附代码数据

以苏州商品房房价为研究对象，帮助客户建立了灰色预测模型GM(1,1)、BP神经网络房价预测模型，利用R语言分别实现了GM(1,1)和BP神经网络房价预测可视化由于房价的长期波动性及预测的复杂性，利用传统的方法很难准确预测房价
·2023-06-16 00:44

R语言收益率和波动性模拟股票价格COMP226带自测题|附代码数据

全文下载链接：http://tecdat.cn/?p=29581最近我们被客户要求撰写关于模拟股票价格的研究报告，包括一些图形和统计输出。在本工作表中，我们将研究价格、收益率和波动性。波动性通常用收益率的均方差来衡量，例如夏普比率的分母，它被用作风险的衡量标准。我们将使用股票价格的平均对数收益率和波动性（对数回报的均方差）来模拟股票价格。价格和收益率library(quantmod)getSymb
·2023-06-16 00:14
上一页 67 68 69 70 71 72 73 74 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他