时间序列
10-时间序列
# datetime datetime构造 数据转换  # 时间序列基础 构造 索引与切片 # 日期 日 ......
【专为苛刻的数据环境而构建】上海道宁为您带来世界上先进的矢量原生、时间序列和实时分析数据库——kdb系列产品
kdb是高效的矢量原生、时间序列和实时分析数据库,专为高性能矢量数据驱动的应用程序而构建,以加速云端、数据仓库和数据湖中的 AI 和 ML 工具从而更快、更高效地制定业务决策 ......
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 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ARMA-GARCH模型,并对数据进行了实证分析,其结果非常接近。利用该模型可动态刻画 ......
Python金融时间序列模型ARIMA 和GARCH 在股票市场预测应用|附代码数据
原文链接：http://tecdat.cn/?p=24407 最近我们被客户要求撰写关于金融时间序列模型的研究报告，包括一些图形和统计输出。 这篇文章讨论了自回归综合移动平均模型 (ARIMA) 和自回归条件异方差模型 (GARCH) 及其在股票市场预测中的应用 （ 点击文末“阅读原文”获取完整代码 ......
经济学：动态模型平均(DMA)、动态模型选择(DMS)、ARIMA、TVP预测原油时间序列价格|附代码数据
全文链接：http://tecdat.cn/?p=22458 最近我们被客户要求撰写关于动态模型平均的研究报告，包括一些图形和统计输出。 本文提供了一个经济案例。着重于原油市场的例子。简要地提供了在经济学中使用模型平均和贝叶斯方法的论据，使用了动态模型平均法（DMA），并与ARIMA、TVP等方法进 ......
R语言状态空间模型和卡尔曼滤波预测酒精死亡人数时间序列|附代码数据
原文链接：http://tecdat.cn/?p=22665 最近我们被客户要求撰写关于状态空间模型的研究报告，包括一些图形和统计输出。 状态空间建模是一种高效、灵活的方法，用于对大量的时间序列和其他数据进行统计推断 摘要 本文介绍了状态空间建模，其观测值来自指数族，即高斯、泊松、二项、负二项和伽马 ......
基于ARIMA、SVM、随机森林销售的时间序列预测|附代码数据
原文链接 http://tecdat.cn/?p=1130 最近我们被客户要求撰写关于时间序列预测的研究报告，包括一些图形和统计输出。 如今DT（数据技术）时代，数据变得越来越重要，其核心应用“预测”也成为互联网行业以及产业变革的重要力量。 对于零售行业来说，预测几乎是商业智能（BI）研究的终极问题 ......
PyTorch-Forecasting一个新的时间序列预测库
时间序列预测在金融、天气预报、销售预测和需求预测等各个领域发挥着至关重要的作用。PyTorch- forecasting是一个建立在PyTorch之上的开源Python包，专门用于简化和增强时间序列的工作。在本文中我们介绍PyTorch-Forecasting的特性和功能，并进行示例代码演示。 完整 ......
时间序列-1
时间序列是与时间相关的、一般按时间顺序的一组数字序列。 按平稳行可分为平稳时间序列和非平稳时间序列。 - 对于平稳时间序列，一般可以通过ARMA模型进行拟合。 - 对于非平稳时间序列，可以通过差分转化为非平稳时间序列。 个人理解： 在深度学习中，时间序列因为其含有稀疏特征而可能造成参数的欠拟合，时间 ......
R语言中的copula GARCH模型拟合时间序列并模拟分析|附代码数据
原文链接：http://tecdat.cn/?p=23115 最近我们被客户要求撰写关于copula GARCH的研究报告，包括一些图形和统计输出。 在这个文章中，我们演示了copula GARCH方法（一般情况下） 1 模拟数据 首先，我们模拟一下创新分布。我们选择了一个小的样本量。理想情况下，样 ......
基于LSTM网络的时间序列数据预测matlab性能仿真
1.算法仿真效果 matlab2022a仿真结果如下： 2.算法涉及理论知识概要 长短期记忆网络（LSTM，Long Short-Term Memory）是一种时间循环神经网络，是为了解决一般的RNN（循环神经网络）存在的长期依赖问题而专门设计出来的，所有的RNN都具有一种重复神经网络模块的链式形式 ......
经济学：动态模型平均(DMA)、动态模型选择(DMS)、ARIMA、TVP预测原油时间序列价格|附代码数据
全文链接：http://tecdat.cn/?p=22458 最近我们被客户要求撰写关于动态模型平均的研究报告，包括一些图形和统计输出。 本文提供了一个经济案例。着重于原油市场的例子。简要地提供了在经济学中使用模型平均和贝叶斯方法的论据，使用了动态模型平均法（DMA），并与ARIMA、TVP等方法进 ......
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
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“ ......
分解商业周期时间序列：线性滤波器、HP滤波器、Baxter滤波器、Beveridge Nelson分解等去趋势法|附代码数据
原文链接：http://tecdat.cn/?p=23000 最近我们被客户要求撰写关于分解商业周期时间序列的研究报告，包括一些图形和统计输出。 本文包含各种过滤器，可用于分解南非GDP的方法。我们做的第一件事是清除当前环境中的所有变量。这可以通过以下命令进行 分解南非GDP数据 本文包含各种过滤器 ......
【视频】时间序列分类方法：动态时间规整算法DTW和R语言实现|附代码数据
原文链接：http://tecdat.cn/?p=22945 最近我们被客户要求撰写关于动态时间规整算法的研究报告，包括一些图形和统计输出 动态时间扭曲算法何时、如何以及为什么可以有力地取代常见的欧几里得距离，以更好地对时间序列数据进行分类 时间序列分类的动态时间扭曲 使用机器学习算法对时间序列进行 ......
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 ......
时间序列的STL分解Python代码——以验潮站数据为例
1.时间序列分解的作用和意义 时间序列通常包括如下几种成分： 一个时间序列包含三种影响因素： 长期趋势：在一个相当长的时间内表现为一种近似直线的持续向上、向下或平稳的趋势。 季节变动：受季节变化影响所形成的一种长度和幅度固定的短期周期波动 周期变动：与季节变动类似，但是波动的时间频率不是固定的，通常 ......
用Python语言进行时间序列ARIMA模型分析
应用时间序列 时间序列分析是一种重要的数据分析方法，应用广泛。以下列举了几个时间序列分析的应用场景： 1.经济预测：时间序列分析可以用来分析经济数据，预测未来经济趋势和走向。例如，利用历史股市数据和经济指标进行时间序列分析，可以预测未来股市的走向。 2.交通拥堵预测：时间序列分析可以用来预测交通拥堵 ......
用R语言进行时间序列ARMA模型分析
应用时间序列 时间序列分析是一种重要的数据分析方法，应用广泛。以下列举了几个时间序列分析的应用场景： 1.经济预测：时间序列分析可以用来分析经济数据，预测未来经济趋势和走向。例如，利用历史股市数据和经济指标进行时间序列分析，可以预测未来股市的走向。 2.交通拥堵预测：时间序列分析可以用来预测交通拥堵 ......
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 ......
时间序列bp自回归神经网络预测matlab程序代码 ，含最佳 自回归阶数和最佳隐层节点数的确定。
时间序列bp自回归神经网络预测matlab程序代码 ，含最佳 自回归阶数和最佳隐层节点数的确定。代码直接运行即可，数据excel格式。 ID:9570629463663294 ......
关键词：光伏聚类 K-means聚类 时间序列
关键词：光伏聚类 K-means聚类 时间序列编程语言：matlab 主题：基于k-means算法的光伏时间序列聚类主要内容：本代码研究大量随机场景下光伏序列聚类与削减问题，首先，生成大量光伏随机场景，其次，在此基础上，基于Kmeans算法，对该大规模场景进行聚类，从而实现大规模场景的削减，最后，依 ......
Prophet 时间序列预测算法
Prophet 时间序列预测算法 一、背景 时间序列预测是一种预测未来数据的方法，对于时间序列的分析，我们可以采用传统的统计学方法，例如 ARIMA、Exponential Smoothing等，这些方法通过分析过去的数据建立模型来预测未来的趋势，但是这些方法有一个限制就是必须满足某些假设条件，例如 ......
将时间序列转换为分类问题
本文将以股票交易作为示例。我们用 AI 模型预测股票第二天是涨还是跌。在此背景下，比较了分类算法 XGBoost、随机森林和逻辑分类器。文章的另外一个重点是数据准备。我们必须如何转换数据以便模型可以处理它。 在本文中，我们将遵循 CRISP-DM 流程模型，以便我们采用结构化方法来解决业务案例。CR ......
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 ......
多元时间序列滚动预测：ARIMA、回归、ARIMAX模型分析|附代码数据
原文链接：http://tecdat.cn/?p=22849 最近我们被客户要求撰写关于多元时间序列滚动预测的研究报告，包括一些图形和统计输出。 当需要为数据选择最合适的预测模型或方法时，预测者通常将可用的样本分成两部分：内样本（又称 "训练集"）和保留样本（或外样本，或 "测试集"）。然后，在样本 ......
R语言ARIMA模型分析预测上海空气质量指数AQI时间序列
全文链接：http://tecdat.cn/?p=32265 原文出处：拓端数据部落公众号 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，那么预测误差必须是不相关的， 而且必须是服从零均值、 方差不变的正态分布。即使 ......
Python学习笔记--json序列化时间报错-改源码
问题：转换时间报错 执行代码为： import json from datetime import date,datetime d = {"time1":date.today(),"time2":datetime.today()} res = json.dumps(d) # 报错 TypeError ......
时间序列预测(零)--简介
时间序列预测可以称得上是一个及其普遍的一个算法问题，解决的方法也比较成熟，你可能第一时间想到的就是AR模型，以及各种自回归模型。然后xgboost似乎也能做时序问题，只是将原有的问题当成回归问题即可，某种意义上可解释性也能够得到一定的满足。再然后就是GRU、LSTM这类循环神经网络，借鉴自NLP中使 ......
时间序列预测相关技术的实现构建
1. 构建数据库 2.掌握基于机器学习的基本方案 3.搭建并使用机器学习的应用平台 1. 构建数据库 时间序列专门的数据库InfluxDB https://docs.influxdata.com/influxdb/v2.7/ 时间序列数据平台，开发人员可以在该平台上构建物联网、分析和云应用程序。 2 ......