统计学-数据科学专业问答社区-CDA答疑社区

热线电话：13121318867

登录

yzyz345

“ugarchroll”进行滚动预测，数据报错

求助各位大佬：我的数据是上证综指的对数收益率，从1991-1-2到2018-12-18号，我想用“ugarchroll”实现滚动预测，我的模型是ARMA(1,1)-GARCH(1,1)，想分别用第1-500天的收益率数据，预测第501天的参数，并计算出各分位数下的VaR，然后再用2-501天的收益率数据，去预测第502天的参数，并就算各分位数下的VaR，直到预测到2018年12月28日的

371.8940

3

3

0

关注作者

收藏

kejiayuan0806

R方与调整R方

从应用上来讲，R²可以理解成为回归方程的解释度，也就是因变量y的变化有多少百分比是可以由自变量的变化来解释的。但是R²有一个非常不好的特征，就是只要加多自变量，自变量对因变量变化的解释程度一定是随之增加的，所以会造成一种越多自变量越好的错觉。因此引入了调整R²的概念。主要是在R²的基础上，加上对变量数量的调整，这样就避免了只要自变量数量增加，自变量对因变量的解释程度就增加的这种不合理的现象。

0.0000

0

0

0

关注作者

收藏

kejiayuan0806

先验概率和后验概率

先验概率（prior probability）是指根据以往经验和分析得到的概率，如全概率公式，它往往作为"由因求果"问题中的"因"出现的概率。后验概率( posterior probability)是指通过调查或其它方式获取新的附加信息，利用贝叶斯公式对先验概率进行修正，而后得到的概率，而且在利用样本资料计算逻辑概率时，还要使用理论概率分布，需要更多的数理统计知识。举个例子：一口袋里有3

0.0000

0

2

0

关注作者

收藏

PGC123

拟合度是怎么求的阿?我忘记了

拟合度是怎么求的阿?我忘记了答：Goodness of Fit 拟合度检验是对已制作好的预测模型进行检验，比较它们的预测结果与实际发生情况的吻合程度。通常是对数个预测模型同时进行检验，选其拟合度较好的进行试用。常用的拟合度检验方法有：剩余平方和检验、卡方(c2)检验和线性回归检验等。拟合度最常用的是“R-squared”，判定系数也叫拟合优度、可决系数，表达式是:R^2=ESS/TSS=1-R

0.0000

0

1

0

关注作者

收藏

dreamhappy2012

岭回归分析

岭回归(英文名:ridge regression, Tikhonov regularization)是一种专用于共线性数据分析的有偏估计回归方法，实质上是一种改良的最小二乘估计法，通过放弃最小二乘法的无偏性，以损失部分信息、降低精度为代价获得回归系数更为符合实际、更可靠的回归方法，对病态数据的拟合要强于最小二乘法。原理　　岭回归的原理较为复杂。根据高斯马尔科夫定理，多重相关性并不影响最小二乘估

0.0000

0

1

0

关注作者

收藏

啊啊啊啊啊吖

实数上最常用的分布就是正态分布（normal distribution），也称为高斯分布（Gaussian distribution）：画出了正态分布的概率密度函数

0.0000

0

2

0

关注作者

收藏

啊啊啊啊啊吖

单个二值随机变量分布

Bernoulli 分布（Bernoulli distribution）是单个二值随机变量的分布。它由单个参数 ϕ 2 [0; 1] 控制， ϕ 给出了随机变量等于 1 的概率。它具有如下的一些性质：

0.0000

0

1

0

关注作者

收藏

啊啊啊啊啊吖

相关性和协方差的关系

协方差和相关性是有联系的，但实际上是不同的概念。它们是有联系的，因为两个变量如果相互独立那么它们的协方差为零，如果两个变量的协方差不为零那么它们一定是相关的。然而，独立性又是和协方差完全不同的性质。两个变量如果协方差为零，它们之间一定没有线性关系。独立性比零协方差的要求更强，因为独立性还排除了非线性的关系。两个变量相互依赖但具有零协方差是可能的。例如，假设我们首先从区间 [-1; 1]

0.0000

0

6

0

关注作者

收藏

啊啊啊啊啊吖

常说的协方差到底是什么

协方差（covariance）在某种意义上给出了两个变量线性相关性的强度以及这些变量的尺度：协方差的绝对值如果很大则意味着变量值变化很大并且它们同时距离各自的均值很远。如果协方差是正的，那么两个变量都倾向于同时取得相对较大的值。如果协方差是负的，那么其中一个变量倾向于取得相对较大的值的同时，另一个变量倾向于取得相对较小的值，反之亦然。其他的衡量指标如相关系数（correlatio

0.0000

0

2

0

关注作者

收藏

啊啊啊啊啊吖

独立性和条件独立性

两个随机变量 x 和 y，如果它们的概率分布可以表示成两个因子的乘积形式，并且一个因子只包含 x 另一个因子只包含 y，我们就称这两个随机变量是相互独立的（independent）：如果关于 x 和 y 的条件概率分布对于 z 的每一个值都可以写成乘积的形式，那么这两个随机变量 x 和 y 在给定随机变量 z 时是条件独立的

0.0000

0

6

0

关注作者

收藏

啊啊啊啊啊吖

条件概率的链式法则怎么求

任何多维随机变量的联合概率分布，都可以分解成只有一个变量的条件概率相乘的形式：这个规则被称为概率的链式法则（chain rule）或者乘法法则（product rule）。它可以直接从式条件概率的定义中得到。例如，使用两次定义可以得到

0.0000

0

1

0

关注作者

收藏

啊啊啊啊啊吖

解释边缘概率

例如，假设有离散型随机变量 x 和 y，并且我们知道 P (x; y)。我们可以依据下面的求和法则（sum rule）来计算 P (x)： ‘边缘概率’’ 的名称来源于手算边缘概率的计算过程。当 P (x; y) 的每个值被写在由每行表示不同的 x 值，每列表示不同的 y 值形成的网格中时，对网格中的每行求和是很自然的事情，然后将求和的结果 P (x) 写在每行右边的纸的边缘处

57.9135

1

2

0

关注作者

收藏

啊啊啊啊啊吖

离散型变量的概率分布

离散型变量的概率分布可以用概率质量函数（probability mass function, PMF）1来描述。我们通常用大写字母 P 来表示概率质量函数。通常每一个随机变量都会有一个不同的概率质量函数，并且读者必须根据随机变量来推断所使用的 PMF，而不是根据函数的名称来推断；例如， P (x) 通常和 P (y) 不一样。概率质量函数将随机变量能够取得的每个状态映射到随机变量取得该状

57.9135

1

5

0

关注作者

收藏

dreamhappy2012

ARIMA的参数与数学形式

ARIMA模型有三个参数:p,d,q。p--代表预测模型中采用的时序数据本身的滞后数(lags) ,也叫做AR/Auto-Regressive项d--代表时序数据需要进行几阶差分化，才是稳定的，也叫Integrated项。q--代表预测模型中采用的预测误差的滞后数(lags)，也叫做MA/Moving Average项ARIMA的预测模型可以表示为：Y的预测值 = 常量c and/or

0.0000

0

3

0

关注作者

收藏

詹惠儿

什么是特征学习？

特征学习特征工程或特征提取是从输入数据中提取有用模式的过程，这将有助于预测模型更好地理解问题的真实性质。良好的特征学习将以一种方式呈现模式，该方式以机器学习本身不可能或太昂贵的方式显着提高所应用的机器学习算法的准确性和性能。特征学习算法找到了区分所需类并自动提取它们的常用模式。在此过程之后，它们已准备好用于分类或回归问题。让我们考虑一个流行的图像分类问题，面部图像和非面部对象的分类。在计算机视

0.0000

0

4

0

关注作者

收藏

啊啊啊啊啊吖

正态性检验有哪些方法

正态分布式许多检验的基础，比如 F 检验， t 检验，卡方检验等。因此对于一个样本是否来自正态总体的检验是至关重要的 图示法直方图：是否以钟型分布箱线图：观测矩形位置和中位数，若矩形位于中间位置且中位数位于矩形的中间位置，则分布较为对称QQ 图：非参数检验法欢迎加入非盈利Python编程学习交流QQ群783462347，群里免费提供500 本Python书籍！4.两个变量

0.0000

0

0

0

关注作者

收藏

啊啊啊啊啊吖

数据结构的分类

结构化数据二分类型：如性别多分类型：如职业有序类型：如收入水平非结构化数据如：文本音频视频图片

0.0000

0

6

0

关注作者

收藏

啊啊啊啊啊吖

检验的8个步骤，你记住了吗

1) 根据问题，判定感兴趣的参数2) 给定原假设, H03) 给定备择假设 H14) 选择一个置信水平 .5) 选择合适的假设检验6) 推导出拒绝域7)计算需要的统计变量8) 决定拒绝或接收原假设 H0

0.0000

0

1

0

关注作者

收藏

啊啊啊啊啊吖

如何选择合适的检验

两组检验类型参数检测：假定数据遵从某些特定的分布（例如：高斯分布），对总体参数进行估计或检验。例如 : z 检测， t 检测， ANOVA， chi-square 等非参数检测：并没有假定数据遵从某种分布。往往直接对分布的某种特性（如对称性，分位数大小）做检验。例如: Kolmogorov-Smirnov 检测， Wilcoxon 检测， Mann-Whitney 检测, K

0.0000

0

4

0

关注作者

收藏

啊啊啊啊啊吖

假设检验的要素有哪些

原假设（Null Hypothesis）备择假设（Alternative Hypothesis）：即与原假设相悖的陈述检验统计量：用采样数据基于原假设计算出的统计量，用来检验原假设和备择假设拒绝域：在该区间，拒绝原假设，而趋向于备择假设

0.0000

0

4

0

关注作者

收藏

<1…424344…55>

CDA考试动态

CDA报考指南