时间序列
基于GRU门控循环网络的时间序列预测matlab仿真,对比LSTM网络
1.算法运行效果图预览 LSTM: GRU 2.算法运行软件版本 matlab2022a 3.算法理论概述 门控循环单元（Gated Recurrent Unit，简称GRU）是一种用于序列建模和预测的递归神经网络（RNN）变体。GRU通过引入门控机制，克服了传统RNN在处理长序列时的梯度消失问题， ......
Python时间序列分析库介绍：statsmodels、tslearn、tssearch、tsfresh
时间序列分析在金融和医疗保健等领域至关重要，在这些领域，理解随时间变化的数据模式至关重要。在本文中，我们将介绍四个主要的Python库——statmodels、tslearn、tssearch和tsfresh——每个库都针对时间序列分析的不同方面进行了定制。这些库为从预测到模式识别的任务提供了强大的 ......
MATLAB用GARCH模型对股票市场收益率时间序列波动的拟合与预测|附代码数据
全文链接：http://tecdat.cn/?p=24211 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。 使用 garch 指定一个单变量GARCH（广义自回归条件异方差）模型 （ 点击文末“阅读原文”获取完整代码数据******** ）。 garch 模型的关键参数包 ......
R语言使用ARIMA模型预测股票收益时间序列|附代码数据
原文链接：http://tecdat.cn/?p=2831 原文出处：拓端数据部落公众号 最近我们被客户要求撰写关于ARIMA的研究报告，包括一些图形和统计输出。 “预测非常困难，特别是关于未来”。丹麦物理学家尼尔斯·波尔（Neils Bohr） 很多人都会看到这句名言。预测是这篇博文的主题。在这篇 ......
R语言估计时变VAR模型时间序列的实证研究分析案例|附代码数据
原文链接： http://tecdat.cn/?p=3364 原文出处：拓端数据部落公众号 最近我们被客户要求撰写关于时变VAR模型的研究报告，包括一些图形和统计输出。 加载R包和数据集 加载包后，我们将此数据集中包含的12个心情变量进行子集化： mood_data <- as.matrix(sym ......
R语言时变向量自回归（TV-VAR）模型分析时间序列和可视化|附代码数据
全文链接：http://tecdat.cn/?p=22350 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。 在心理学研究中，个人主体的模型正变得越来越流行。原因之一是很难从人之间的数据推断出个人过程 另一个原因是，由于移动设备无处不在，从个人获得的 ......
Python自激励阈值自回归(SETAR)、ARMA、BDS检验、预测分析太阳黑子时间序列数据
全文链接 :https://tecdat.cn/?p=33896 原文出处：拓端数据部落公众号 这篇文章展示了自激励阈值自回归SETAR的使用，用于分析经常被客户研究的太阳黑子数据集。具体而言，研究SETAR模型的估计和预测。 我们在这里考虑原始的太阳黑子序列以匹配ARMA示例，尽管文献中许多来源在 ......
3.3-时间序列和Resample函数
3.3-时间序列和Resample函数 3.3.1 时间序列¶ index横坐标为日期数据 数据导入：pandas reader 3.3.2 Resample函数¶ 计数、均值、方差、累加、累乘 周期转换 数据验证: for循环vs内置函数 In [ ]: pip install pandas_da ......
TSMixer：谷歌发布的用于时间序列预测的全新全mlp架构
这是谷歌在9月最近发布的一种新的架构 TSMixer: An all-MLP architecture for time series forecasting ，TSMixer是一种先进的多元模型，利用线性模型特征，在长期预测基准上表现良好。据我们所知，TSMixer是第一个在长期预测基准上表现与最 ......
Python随机波动性SV模型：贝叶斯推断马尔可夫链蒙特卡洛MCMC分析英镑/美元汇率时间序列数据
全文链接：https://tecdat.cn/?p=33885 原文出处：拓端数据部落公众号 本文描述了帮助客户使用马尔可夫链蒙特卡洛（MCMC）方法通过贝叶斯方法估计基本的单变量随机波动模型，就像Kim等人（1998年）所做的那样。 定义模型以及从条件后验中抽取样本的函数的代码也在Python脚本 ......
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|附代码数据
全文链接：http://tecdat.cn/?p=32496 原文出处：拓端数据部落公众号 人口流动与迁移，作为人类产生以来就存在的一种社会现象，伴随着人类文明的不断进步从未间断。 人力资源是社会文明进步、人民富裕幸福、国家繁荣昌盛的核心推动力量。当前，我国经济正处于从以政府主导的投资驱动型的经济“ ......
R语言和Python用泊松过程扩展：霍克斯过程Hawkes Processes分析比特币交易数据订单到达自激过程时间序列|附代码数据
全文下载链接：http://tecdat.cn/?p=25880 最近我们被客户要求撰写关于泊松过程的研究报告，包括一些图形和统计输出。 本文描述了一个模型，该模型解释了交易的聚集到达，并展示了如何将其应用于比特币交易数据。这是很有趣的，原因很多。例如，对于交易来说，能够预测在短期内是否有更多的买入 ......
使用轮廓分数提升时间序列聚类的表现
我们将使用轮廓分数和一些距离指标来执行时间序列聚类实验，并且进行可视化 让我们看看下面的时间序列: 如果沿着y轴移动序列添加随机噪声，并随机化这些序列，那么它们几乎无法分辨，如下图所示-现在很难将时间序列列分组为簇: 上面的图表是使用以下脚本创建的: https://avoid.overfit.cn ......
在Python中使用LSTM和PyTorch进行时间序列预测|附代码数据
全文链接：http://tecdat.cn/?p=8145 最近我们被客户要求撰写关于LSTM的研究报告，包括一些图形和统计输出。 顾名思义，时间序列数据是一种随时间变化的数据类型。例如，24小时内的温度，一个月内各种产品的价格，一年中特定公司的股票价格 诸如长期短期记忆网络（LSTM）之类的高级深 ......
时间序列分析-模型选择
模型选择 Step1. OLS的评估指标及局限性 先来回顾一下常用的估计量： 样本均值：Sample mean of the dependent variable \[\bar{y}=\frac{1}{T} \sum_{t=1}^{T} y_{t} \] 样本方差的估计量：Sample varian ......
TimesNet:时间序列预测的最新模型
2020年发布的N-BEATS、2022年发布的N-HiTS和2023年3月发布的PatchTST开始。N-BEATS和N-HiTS依赖于多层感知器架构，而PatchTST利用了Transformer架构。 2023年4月发表了一个新的模型，它在时间序列分析的多个任务中实现了最先进的结果，如预测、i ......
Python随机波动率(SV)模型对标普500指数时间序列波动性预测|附代码数据
原文链接：http://tecdat.cn/?p=22546 原文出处：拓端数据部落公众号 最近我们被客户要求撰写关于随机波动率(SV)模型的研究报告，包括一些图形和统计输出。 资产价格具有随时间变化的波动性（逐日收益率的方差）。在某些时期，收益率是高度变化的，而在其他时期则非常平稳。随机波动率模型 ......
R语言非线性动态回归模型ARIMAX、随机、确定性趋势时间序列预测个人消费和收入、用电量、国际游客数量
全文链接：https://tecdat.cn/?p=33838 原文出处：拓端数据部落公众号 传统时间序列模型允许包含过去观察到的系列信息，但不允许客户包含其他可能相关的信息。例如，假期的影响、竞争对手的活动、法律变化、整体经济或其他外部变量可能解释了某些历史变动，并且可能导致更准确的预测。另一方面 ......
R语言ARMA-GARCH模型金融产品价格实证分析黄金价格时间序列
全文链接：http://tecdat.cn/?p=32677 原文出处：拓端数据部落公众号 最近我们被客户要求撰写关于ARMA-GARCH的研究报告，包括一些图形和统计输出。 研究黄金价格的动态演变过程至关重要。文中以黄金交易市场下午定盘价格为基础,帮助客户利用时间序列的相关理论,建立了黄金价格的A ......
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|附代码数据
全文链接：http://tecdat.cn/?p=32496 原文出处：拓端数据部落公众号 人口流动与迁移，作为人类产生以来就存在的一种社会现象，伴随着人类文明的不断进步从未间断。 人力资源是社会文明进步、人民富裕幸福、国家繁荣昌盛的核心推动力量。当前，我国经济正处于从以政府主导的投资驱动型的经济“ ......
线性回归和时间序列分析北京房价影响因素可视化案例|附代码数据
全文链接：http://tecdat.cn/?p=21467 最近我们被客户要求撰写关于北京房价的研究报告，包括一些图形和统计输出。 在本文中，房价有关的数据可能反映了中国近年来的变化 目的 人们得到更多的资源（薪水），期望有更好的房子 人口众多 独生子女政策：如何影响房子的几何结构？更多的卧室，更 ......
R语言随机波动模型SV：马尔可夫蒙特卡罗法MCMC、正则化广义矩估计和准最大似然估计上证指数收益时间序列|附代码数据
全文链接：http://tecdat.cn/?p=31162 最近我们被客户要求撰写关于SV模型的研究报告，包括一些图形和统计输出。 本文做SV模型，选取马尔可夫蒙特卡罗法(MCMC)、正则化广义矩估计法和准最大似然估计法估计。 模拟SV模型的估计方法： sim <- svsim(1000,mu=- ......
R语言Copula对债券时间序列数据的流动性风险进行度量|附代码数据
全文链接：http://tecdat.cn/?p=32707 原文出处：拓端数据部落公众号 在金融市场中，债券的流动性风险一直是一个备受关注的问题。流动性风险是指在市场上，债券价格的波动程度受到市场流动性的影响，这种影响可能导致债券价格的剧烈波动，从而影响投资者的收益。因此，对于债券流动性风险的度量 ......
如何将 Transformer 应用于时间序列模型
在机器学习的广阔前景中，transformers 就像建筑奇迹一样高高耸立，以其复杂的设计和捕获复杂关系的能力重塑了我们处理和理解大量数据的方式。 自 2017 年创建第一个 Transformer 以来，Transformer 类型呈爆炸式增长，其中包括 ChatGPT 和 DALL-E 等强大的 ......
时间序列的重采样和pandas的resample方法介绍
重采样是时间序列分析中处理时序数据的一项基本技术。它是关于将时间序列数据从一个频率转换到另一个频率，它可以更改数据的时间间隔，通过上采样增加粒度，或通过下采样减少粒度。在本文中，我们将深入研究Pandas中重新采样的关键问题。 为什么重采样很重要? 时间序列数据到达时通常带有可能与所需的分析间隔不匹 ......
R语言用logistic逻辑回归和AFRIMA、ARIMA时间序列模型预测世界人口|附代码数据
全文下载链接 :http://tecdat.cn/?p=27493 最近我们被客户要求撰写关于预测世界人口的研究报告，包括一些图形和统计输出。 本文应用R软件技术，分别利用logistic模型、ARFMA模型、ARIMA模型、时间序列模型对从2016到2100年的世界人口进行预测 作者将1950年到 ......
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|附代码数据
全文链接：http://tecdat.cn/?p=32496 原文出处：拓端数据部落公众号 人口流动与迁移，作为人类产生以来就存在的一种社会现象，伴随着人类文明的不断进步从未间断。 人力资源是社会文明进步、人民富裕幸福、国家繁荣昌盛的核心推动力量。当前，我国经济正处于从以政府主导的投资驱动型的经济“ ......
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|附代码数据
全文链接：http://tecdat.cn/?p=32496 原文出处：拓端数据部落公众号 人口流动与迁移，作为人类产生以来就存在的一种社会现象，伴随着人类文明的不断进步从未间断。 人力资源是社会文明进步、人民富裕幸福、国家繁荣昌盛的核心推动力量。当前，我国经济正处于从以政府主导的投资驱动型的经济“ ......
R语言随机波动模型SV：马尔可夫蒙特卡罗法MCMC、正则化广义矩估计和准最大似然估计上证指数收益时间序列|附代码数据
全文链接：http://tecdat.cn/?p=31162 最近我们被客户要求撰写关于SV模型的研究报告，包括一些图形和统计输出 本文做SV模型，选取马尔可夫蒙特卡罗法(MCMC)、正则化广义矩估计法和准最大似然估计法估计。 模拟SV模型的估计方法： sim <- svsim(1000,mu=-9 ......