时间序列
Python时间序列分析苹果股票数据：分解、平稳性检验、滤波器、滑动窗口平滑、移动平均、可视化
全文链接：https://tecdat.cn/?p=33550 原文出处：拓端数据部落公众号 什么是时间序列？ 时间序列是一系列按时间顺序排列的观测数据。数据序列可以是等间隔的，具有特定频率，也可以是不规则间隔的，比如电话通话记录。 在进行投资和交易研究时，对于时间序列数据及其操作要有专业的理解。本 ......
R语言对用电负荷时间序列数据进行K-medoids聚类建模和GAM回归|附代码数据
原文链接：http://tecdat.cn/?p=4146 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用电负荷时间序列的研究报告，包括一些图形和统计输出。 通过对用电负荷的消费者进行聚类，我们可以提取典型的负荷曲线，提高后续用电量预测的准确性，检测异常或监控整个智能电网（Laurine ......
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 ......
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 ......
PYTHON用KERAS的LSTM神经网络进行时间序列预测天然气价格例子|附代码数据
全文下载链接：http://tecdat.cn?p=26519 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。 一个简单的编码器-解码器LSTM神经网络应用于时间序列预测问题：预测天然气价格，预测范围为 10 天。“进入”时间步长也设置为 10 天。) 只需要 10 天来推断 ......
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 ......
利用 XGBoost 进行时间序列预测
XGBoost（极限梯度提升）是一种开源算法，它实现了梯度提升树，并进行了额外的改进，以获得更好的性能和速度。该算法能够快速做出准确的预测，使该模型成为许多比赛的首选模型，例如 Kaggle 比赛。 ......
R语言神经网络模型预测多元时间序列数据可视化|附代码数据
全文链接：http://tecdat.cn/?p=32198 最近我们被客户要求撰写关于神经网络的研究报告，包括一些图形和统计输出。 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 （ 点击文末“阅读原文”获取完整代码数据******** ）。 多元时间序列预测的一个基本 ......
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|附代码数据
全文下载链接：http://tecdat.cn/?p=22617 最近我们被客户要求撰写关于MRS的研究报告，包括一些图形和统计输出。 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（1999）中提出的一些结果。它应用了Hamilton（1989）的滤波器和Kim ......
ARIMA模型，ARIMAX模型预测冰淇淋消费时间序列数据|附代码数据
全文下载链接：http://tecdat.cn/?p=22511 最近我们被客户要求撰写关于ARIMAX的研究报告，包括一些图形和统计输出。 标准的ARIMA（移动平均自回归模型）模型允许只根据预测变量的过去值进行预测 。 该模型假定一个变量的未来的值线性地取决于其过去的值，以及过去（随机）影响的值 ......
使用 Ploomber、Arima、Python 和 Slurm 进行时间序列预测
在这篇博客中，我们将回顾如何使用 Arima 进行时间序列预测的原始 .ipynb 笔记本，将其模块化为 Ploomber 管道，并在 Slurm 上运行并行作业。 ......
马尔可夫转换模型研究交通伤亡人数事故时间序列预测|附代码数据
原文链接：http://tecdat.cn/?p=12227 最近我们被客户要求撰写关于马尔可夫转换模型的研究报告，包括一些图形和统计输出。 本文描述了R语言中马尔克夫转换模型的分析过程 首先，对模拟数据集进行详细建模。接下来，将马尔可夫转换模型拟合到具有离散响应变量的真实数据集。用于验证对这些数据 ......
时间序列去趋势化和傅里叶变换
在计算傅里叶变换之前对信号去趋势是一种常见的做法，特别是在处理时间序列时。在这篇文章中，我将从数学和视觉上展示信号去趋势是如何影响傅里叶变换的。 这篇文章的目的是让介绍理解什么是常数和线性去趋势，为什么我们使用它们，以及它们是如何影响信号的傅里叶变换的。 傅里叶变换快速回顾 我们将使用傅里叶变换的如 ......
用Python语言进行多元时间序列ARIMAX模型分析
1.ARIMAX模型定义 ARIMAX模型是指带回归项的ARIMA模型，又称扩展的ARIMA模型。回归项的引入有利于提高模型的预测效果。引入的回归项一般是与预测对象（即被解释变量）相关程度较高的变量。比如分析居民的消费支出序列时，消费会受到收入的影响，如果将收入也纳入到研究范围，就能够得到更精确的消 ......
百度人脸识别授权序列号-设备时间复原问题
Q:为什么单设备授权序列号失效?A:以下情况都有可能导致序列号失效，请您进行一-排查 1.测试序列号过期，请在百度智能云管理后台申请更多测试序列号 2.CPU、网卡等硬件损坏导致硬件指纹变更 3.已经激活的设备硬件变更 4.SDK升级:安卓1.0&2.0版本升级至3.0&4.0&5.0版本会导致序列 ......
MATLAB用深度学习长短期记忆 (LSTM) 神经网络对智能手机传感器时间序列数据进行分类|附代码数据
原文链接：http://tecdat.cn/?p=26318 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长短期记忆 (LSTM) 神经网络的研究报告，包括一些图形和统计输出。 此示例说明如何使用长短期记忆 (LSTM) 网络对序列数据的每个时间步长进行分类。 要训练深度神经网络对序 ......
Python用GARCH对ADBL股票价格时间序列趋势滚动预测、损失、可视化分析
全文链接：https://tecdat.cn/?p=33398 原文出处：拓端数据部落公众号 金融市场的股票价格时间序列分析一直以来都是投资者和研究者关注的主题之一。准确预测股票价格的趋势对于制定有效的投资策略和决策具有重要意义。因此，许多研究人员使用各种统计方法和模型来分析和预测股票价格的变动。 ......
Python用RNN神经网络：LSTM、GRU、回归和ARIMA对COVID19新冠疫情人数时间序列预测|附代码数据
全文下载链接： http://tecdat.cn/?p=27042 最近我们被客户要求撰写关于新冠疫情的研究报告，包括一些图形和统计输出。 在本文中，该数据根据世界各国提供的新病例数据提供。 获取时间序列数据 df=pd.read_csv("C://global.csv") 探索数据 此表中的数据以 ......
数据分享|R语言ARIMA模型分析预测上海空气质量指数AQI时间序列|附代码数据
全文链接：http://tecdat.cn/?p=32265 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上海空气质量指数的研究报告，包括一些图形和统计输出。 指数平滑法对于预测来说是非常有帮助的，而且它对时间序列上面连续的值之间相关性没有要求。但是，如果你想使用指数平滑法计算出预测区间 ......
Python TensorFlow循环神经网络RNN-LSTM神经网络预测股票市场价格时间序列和MSE评估准确性|附代码数据
全文下载链接：http://tecdat.cn/?p=26562 最近我们被客户要求撰写关于循环神经网络的研究报告，包括一些图形和统计输出。 自 2000 年 1 月以来的股票价格数据。我们使用的是 Microsoft 股票。 该项目包括： 将时间序列数据转换为分类问题。 使用 TensorFlow ......
基于LSTM深度学习网络的时间序列预测matlab仿真
1.算法理论概述 时间序列预测是一类重要的预测问题，在很多领域都有着广泛的应用，如金融、交通、气象等。然而，由于时间序列数据本身具有时序性和相关性，因此预测难度较大。传统的时间序列预测方法大多采用统计学方法，如ARIMA模型、指数平滑法等，但这些方法在处理非线性、非平稳、非高斯的时间序列数据时效果较 ......
数据分享|SAS与eviews用ARIMA模型对我国大豆产量时间序列预测、稳定性、白噪声检验可视化|附代码数据
全文链接：http://tecdat.cn/?p=31480 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。 我国以前一直以来都是世界上大豆生产的第一大国。但由于各国的日益强大，导致我国豆种植面积和产量持续缩减。因此，预测我国的大豆产量对中国未来的经济发展有着极其重要的作用 ......
ARMA-GARCH-COPULA模型和金融时间序列案例|附代码数据
原文链接： http://tecdat.cn/?p=3385 最近我们被客户要求撰写关于ARMA-GARCH-COPULA的研究报告，包括一些图形和统计输出。 从读取数据中获得各种模型的描述，包括一些图形和统计输出。 > oil = read.xlsx（temp，sheetName =“DATA”， ......
R语言神经网络模型预测多元时间序列数据可视化|附代码数据
全文链接：http://tecdat.cn/?p=32198 最近我们被客户要求撰写关于神经网络的研究报告，包括一些图形和统计输出。 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 （ 点击文末“阅读原文”获取完整代码数据******** ）。 多元时间序列预测的一个基本 ......
时间序列分析中ARMA模型
原文：https://zhuanlan.zhihu.com/p/352053880?utm_id=0 ARMA模型的全称是自回归移动平均（auto regression moving average）模型，它是目前最常用的拟合平稳序列的模型。 它又可以细分为AR模型（auto regression ......
向量自回归（VAR）模型分析消费者价格指数 (CPI) 和失业率时间序列|附代码数据
原文链接：http://tecdat.cn/?p=24365 最近我们被客户要求撰写关于向量自回归（VAR）模型的研究报告，包括一些图形和统计输出。 var对象指定了p阶平稳的多变量向量自回归模型（VAR(p)）模型的函数形式并存储了参数值 （ 点击文末“阅读原文”获取完整代码数据******** ......
时间序列的季节性：3种模式及8种建模方法
分析和处理季节性是时间序列分析中的一个关键工作，在本文中我们将描述三种类型的季节性以及常见的8种建模方法。 什么是季节性? 季节性是构成时间序列的关键因素之一，是指在一段时间内以相似强度重复的系统运动。 季节变化可以由各种因素引起，例如天气、日历或经济条件。各种应用程序中都有这样的例子。由于假期和旅 ......
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 ......
3.3_转换与处理时间序列数据
pandas 时间相关的类 | 类名称 | 说明 |:-:|:-:| Timestamp | 最基础的时间类。表示某个时间点。在绝大多数的场景中时间数据都是以Timestamp形式的时间 Period | 表示单个时间跨度，或者某个时间段，例如某一天，某一小时等。 Timedelta | 表示不同单 ......