金沙国际娱城 > 金沙产品评测 > 金融时间系列分析:第一版

原标题:金融时间系列分析:第一版

浏览次数:177 时间:2019-04-09

薛留根首先介绍了广阔的现代计算模型和复杂数据,重点讲述了纵向数据下有个别线性模型的估价难题,基于二次估算函数和经历似然方法给出了参数分量和非参数分量的测度及其大样性格质,并经过总结模拟和实际数据印证了经历似然方法的优势。

越来越多关于 》》》《经济时间系列分析:第3版》
内容简介
书籍
数学书籍
  《金融时间种类分析:第3版》周全论述了经济时间种类,天公地道点介绍了财政和经济时间体系理论和章程的当前切磋热点和1些时髦研商成果,越发是危机值总计、高频数据解析、随机波动率建立模型和马尔可夫链蒙特卡罗方法等地点。此外,本书还系统演说了经济计量经济模型及其在经济时间系列数据和建立模型中的应用,全数模型和章程的使用均使用实际经济数据,并付诸了所用计算机软件的一声令下。较之第一版,本版不仅更新了上一版中采纳的数量,而且还提交了r 命令和实例,从而使其变成明白重要总括划办公室法和技巧的奠基石。
  《金融时间系列分析:第二版》可用作时间种类分析的讲义,也适用于商学、工学、数学和总结学专业对经济的计量管军事学感兴趣的高年级本科生和硕士,同时,也可看作商业、金融、保证等世界专业人员的参阅用书。
目录
《金融时间类别分析:第二版》
第一章  金融时间系列及其天性  壹
一.一  资金财产收益率  二
1.2  收益率的分布性质  6
1.二.1  总计分布及其矩的追思  六
一.二.贰  收益率的遍布  1叁
一.二.三  多元获益率  1六
壹.二.四  收益率的似然函数  17
壹.2.5  受益率的阅历性质  一七
一.三  别的进度  1玖
附录r  程序包  21
练习题  23
参考文献  二4
第一章  线性时间连串分析及其应用  二伍
2.1  平稳性  25
二.贰  相关全面和自有关函数  二陆
二.三  白噪声和线性时间体系  3一
2.四  简单的自回归模型  32
二.四.一  ar模型的属性  33
二.四.二  实际中怎么着识别ar模型  40
二.4.三  拟合优度  肆六
2.4.4  预测  47
二.五  不难滑动平均模型  50
2.5.1  ma模型的特性  51
2.5.2  识别ma的阶  52
2.5.3  估计  53
2.五.四  用ma模型预测  5四
2.6  简单的arma模型  55
贰.陆.一  arma(1,一)模型的本性  56
2.6.2  一般的arma模型  57
2.6.3  识别arma模型  58
贰.6.4  用arma模型实行预测  60
2.陆.五  arma模型的三种表示  60
二.7  单位根非平稳性  62
二.七.一  随机游动  6二
二.7.2  带漂移的随意游动  64
贰.7.叁  带趋势项的光阴系列  ⑥五
贰.七.四  壹般的单位根非平稳模型  6陆
贰.7.伍  单位根质量评定  6陆
二.八  季节模型  7一
二.捌.一  季节性差不一致  7贰
二.八.二  多重季节性模型  73
二.九  带时间系列截断误差的回归模型  7八
2.10  协方差矩阵的相合推断  8五
贰.11  长回忆模型  8八
附录  一些sca  的命令  90
练习题  90
参考文献  九二
第一章  条件异方差模型  玖四
三.一  波动率的风味  玖5
3.贰  模型的布局  九5
3.3  建模  97
3.4  arch模型  99
三.四.一  arch模型的习性  100
三.4.2  arch模型的症结  拾2
三.四.3  arch模型的创制  拾2
3.四.四  1些例证  拾六
3.5  garch模型  113
三.5.壹  实例证实  11五
三.五.2  预测的评估  120
叁.5.叁  两步测度方法  1二1
3.6  求和garch模型  121
3.7  garch-m模型  122
3.8  指数garch模型  123
3.8.一  模型的另一种情势  125
三.八.二  实例证实  125
三.捌.三  另一个例子  1二陆
三.8.4  用egarch模型举办展望  128
3.9  门限garch模型  129
3.10  charma模型  130
三.1一  随机周密的自回归模型  13②
叁.1二  随机波动率模型  13三
三.1三  长回想随机波动率模型  13三
3.14  应用  135
3.1伍  其余艺术  13八
3.一伍.1  高频数据的使用  13捌
三.1⑤.二  日开盘价、最高价、最低价和收盘价的选拔  1四1
3.1六  garch模型的峰度  1肆三
附录  波动率模型推测中的一些rats  程序  144
练习题  146
参考文献  14捌
第六章  非线性模型及其应用  151
四.一  非线性模型  15二
4.一.一  双线性模型  15三
4.一.2  门限自回归模型  15肆
4.一.三  平滑转移ar(star)模型  15八
4.1.四  马尔可夫转换模型  160
肆.一.5  非参数方法  16二
4.壹.陆  函数全面ar  模型  170
四.一.7  非线性可加ar  模型  170
4.壹.8  非线性状态空间模型  17一
四.一.玖  神经互联网  171
四.二  非线性检测  17陆
四.2.壹  非参数检查评定  17六
4.二.二  参数检查实验  17玖
4.2.3  应用  182
4.3  建模  183
4.4  预测  184
4.4.一  参数自助法  1八4
4.四.2  预测的评估  1捌肆
4.5  应用  186
附录a  一些有关非线性波动率模型的rats  程序  190
附录b  神经网络的s-plus  命令  19一
练习题  191
参考文献  1玖3
第4章  高频数据解析与市面微观结构  1玖六
5.一  非同步交易  1玖陆
伍.二  购买销售报价差  200
5.三  交易数额的阅历特征  20一
5.肆  价格转移模型  20七
五.4.一  顺序可能率值模型  207
5.肆.二  分解模型  2十
5.5  持续期模型  21四
5.5.1  acd模型  216
5.5.2  模拟  218
5.5.3  估计  219
伍.六  非线性持续期模型  2二四
伍.七  价格变动和持续期的2元模型  2二5
5.8  应用  229
附录a  一些概率分布的回看  23四
附录b  危险率函数  二3七
附录c  对持续期模型的有个别rats
程序  238
练习题  239
参考文献  贰肆壹
第四章  两次三番时间模型及其应用  24三
6.1  期权  244
陆.二  一些总是时间的任性进度  24肆
6.2.一  维纳进程  244
陆.二.2  广义维纳进程  2四陆
六.二.3  伊藤进度  二四七
陆.叁  伊藤引理  二四七
6.三.壹  微分回看  贰肆柒
陆.三.二  随机微分  24八
陆.三.3  一个使用  24九
6.3.4  1和?的估计  250
陆.4  股价与对数受益率的分布  25一
6.5  b-s微分方程的推理  25三
6.陆  b-s定价公式  254
6.六.1  风险中性世界  254
6.6.2  公式  255
6.陆.3  欧式期货合作选择权的下界  贰5柒
6.6.4  讨论  258
陆.柒  伊藤引理的恢弘  二陆一
陆.八  随机积分  26二
6.九  跳跃扩散模型  二六三
6.10  一而再时间模型的估价  26玖
附录a  b-s  公式积分  270
附录b  标准正态可能率的类似  271
练习题  271
参考文献  27二
第九章  极值理论、分位数揣测与风险值  274
7.1  风险值  275
七.2  风险度量制  276
7.2.1  讨论  279
7.二.二  七个头寸  27玖
7.二.3  预期损失  280
7.叁  var  总结的计量经济方法  280
七.三.一  八个周期  28三
7.三.贰  在标准正态分布下的预料损失  2八伍
7.4  分位数推断  2八五
7.肆.一  分位数与次序计算量  28伍
7.四.二  分位数回归  2八7
7.伍  极值理论  28八
7.⑤.壹  极值理论的想起  28八
七.五.2  经验估摸  290
7.五.3  对股票收益率的使用  2玖3
七.6  var  的极值方法  297
7.6.1  讨论  300
7.6.2  多期var  301
七.六.三  受益率水平  30二
柒.7  基于极值理论的叁个新措施  30贰
7.7.一  总结理论  30叁
七.7.二  超过定额均值函数  30伍
7.7.三  极值建立模型的2个新办法  306
7.七.4  基于新措施的var计算  30八
柒.7.5  参数化的别样方法  30玖
柒.七.6  解释变量的行使  312
柒.7.7  模型检测  3一三
7.7.8  说明  314
柒.8  极值指数  31八
7.8.1  d(un)条件  319
7.八.2  极值指数的估摸  3二一
七.8.三  平稳时间种类的高危害值  323
练习题  324
参考文献  3二陆
第10章  多元时间类别分析及其应用  32⑧
8.一  弱平稳与接力{相关矩阵  32八
8.壹.一  交叉{相关矩阵  32九
八.壹.2  线性相依性  330
八.一.三  样本交叉{相关矩阵  33壹
八.一.四  多元混成检查评定  335
捌.二  向量自回归模型  33陆
捌.2.一  简化方式和布局格局  3叁七
八.贰.二  var(一)模型的平稳性条件和矩  33九
8.2.3  向量ar(p)模型  340
八.二.四  建立3个var(p)模型  34二
八.二.五  脉冲响应函数  34九
八.三  向量滑动平均模型  35四
8.4  向量arma模型  357
八.5  单位根非平稳性与协整  36二
8.6  协整var模型  366
捌.陆.1  明确性函数的具体化  36捌
8.6.贰  最大似然推测  368
八.陆.叁  协整检测  36玖
八.六.四  协整var模型的前瞻  370
8.6.5  例子  370
8.7  门限协整与套利  37五
8.七.1  多元门限模型  376
8.7.2  数据  377
8.7.3  估计  377
八.8  配对交易  37玖
八.8.壹  理论框架  379
捌.八.二  交易策略  380
8.8.3  简单例子  380
附录a  向量与矩阵的想起  3八5
附录b  多三朝态分布  38九
附录c  一些sca命令  390
练习题  391
参考文献  3玖叁
第捌章  主成分分析和因子模型  3九5
九.一  因子模型  3玖伍
玖.二  宏观经济因子模型  3九柒
9.二.一  单因子模型  397
玖.2.贰  多因子模型  40一
9.三  基本面因子模型  40三
9.3.1  barra因子模型  403
9.3.2  fama-french方法  408
玖.四  主成分分析  408
9.4.1  pca理论  408
9.4.2  经验的pca  410
玖.伍  总结因子分析  413
9.5.1  估计  414
九.5.二  因子旋转  四一伍
9.5.3  应用  416
九.六  渐近主元素分析  420
九.6.一  因子个数的选拔  4贰一
9.6.2  例子  422
练习题  424
参考文献  425
第八章  多元波动率模型及其应用  426
十.一  指数加权推测  42七
10.2  多元garch模型  429
10.2.1  对角vec模型  430
10.2.2  bekk模型  432
十.三  重新参数化  43五
十.三.一  相关周密的运用  435
10.3.2  cholesky  分解  436
10.四  2元受益率的garch模型  43九
十.四.一  常相关模型  43玖
10.4.2  时变相关模型  442
10.4.三  动态相关模型  4四六
10.5  越来越高维的波动率模型  45贰
10.6  因子波动率模型  肆伍七
10.7  应用  459
10.8  多元t  分布  461
附录对估计的片段诠释  462
练习题  466
参考文献  467
第二一章  状态空间模型和Carl曼滤波  46玖
11.一  局地趋势模型  46玖
1一.一.一  计算测算  472
11.一.2  Carl曼滤波  47三
1一.1.三  预测基值误差的属性  47伍
1一.1.四  状态平滑  47陆
11.1.5  缺失值  480
1一.1.陆  开端化效应  480
11.1.7  估计  481
11.1.8  所用的s-plus命令  482
1一.2  线性状态空间模型  4八5
1一.叁  模型转换  4八陆
1壹.3.一  带时变周详的capm  4八柒
11.3.2  arma模型  489
11.三.3  线性回归模型  4九5
1壹.三.肆  带arma标称误差的线性回归模型  4玖陆
1一.叁.五  纯量不可观测项模型  497
1一.四  Carl曼滤波和平滑  49九
1一.四.1  Carl曼滤波  49玖
1壹.肆.二  状态估摸引用误差和展望引用误差  50一
1一.四.三  状态平滑  502
1一.4.四  扰动平滑  50肆
11.5  缺失值  506
11.6  预测  507
11.7  应用  508
练习题  515
参考文献  51陆
第一二章  马尔可夫链蒙特卡罗方法及其使用  5一七
1二.1  马尔可夫链模拟  517
12.2  gibbs抽样  518
12.三  贝叶斯臆度  520
12.3.一  后验分布  520
12.三.二  共轭先验分布  5贰一
1二.4  别的算法  5二4
12.4.1  metropolis算法  524
12.4.2  metropolis-hasting算法  525
12.4.3  格子gibbs抽样  525
1二.伍  带时间连串误差的线性回归  5二陆
12.陆  缺点和失误值和越发值  530
12.6.1  缺失值  531
1二.陆.2  至极值的甄别  532
1二.七  随机波动率模型  五3七
1二.7.一  一元模型的估价  伍三柒
12.七.二  多元随机波动率模型  54二
1二.八  估摸随机波动率模型的新措施  54九
1贰.九  马尔可夫转换模型  556
12.10  预测  563
1二.1壹  其余应用  564
练习题  564
参考文献  5陆5
索引  568  

经历似然

经验似然是Owen(一玖玖零)在统统样本下建议的1种非参数总括估测计算主意。它有像样于bootstrap的取样性格。

Bootstrap是再度改变总结学的一个设法。总结测算的基本点总是二个的随机变量分布。在这么些分布很复杂不能假若合理的参数模型时,bootstrap提供了一种非参数的推理方法,依靠的是对调查到的样书的再次抽样(resampling),其实是用empirical distribution去就好像真正的distribution。Source
Example:
你要总结你们小区里男女比例,可是您全体领会整个小区的人分别是男还是女很麻烦对啊。于是你搬了个板凳坐在小区门口,花了10陆分钟去数,准备了200张小纸条,有2个男的走过去,你就拿出1个小纸条写上“M”,有多个女的过去你就写两个“S”。最终你回家之后把200张纸条放在茶几上,随机拿出当中的100张,看看多少个M,几个S,你肯定认为那并不能够表示全体小区对不对。然后您把那一个放回到200张纸条里,再接着抽100张,再做二回总结。…………
这么反复10遍依旧更频仍,差不多就能表示你们1切小区的男女比例了。你要么觉得不准?无法,正是因为不能够领会确切的范本,所以拿Bootstrap来做模拟而已。Source
言语讲述
Bootstrap是大家在对一个样本未知的景况下,从中(有放回的)重新抽样,抽样样本大小为n,那么每三回抽样都得以博得2个样本均值,不断地抽样就足以拿走一个bar{x}的遍布,接下去就足以组织置信区间并做验证了。

经历似然方法与经典的或现代的总计格局相比较,有众多鼓起的独到之处:

  • 布局的置信区间有域保持性,变换不变性
  • 置信域的形制由数量自行决定
  • 有Bartlett纠偏性
  • 无需构造轴总结量

剖析先验概率,后验概率与似然函数
用“瓜熟蒂落”那一个因果例子,从可能率(probability)的角度说一下。
先验几率,便是常识、经验所吐露出的“因”的可能率,即瓜熟的可能率。
后验可能率,正是在领略“果”之后,去推想“因”的可能率,也即是说,若是已经通晓瓜蒂脱落,那么瓜熟的票房价值是不怎么。后验和先验的关联可以透过贝叶斯公式来求。相当于:
P(瓜熟 | 已知蒂落)=P(瓜熟)×P(蒂落 | 瓜熟)/ P(蒂落)
似然函数,是遵照已知结果去估量固有性质的恐怕(likelihood),是对原个性质的拟合程度,所以无法称为可能率。在此间正是,不要管怎么样瓜熟的概率,只care瓜熟与蒂落的涉及。固然蒂落了,那么对瓜熟那壹性情的拟合程度有多大。似然函数,壹般写成L(瓜熟 | 已知蒂落),和后验可能率1贰分像,差别在于似然函数把瓜熟看成2个势必存在的属性,而后验可能率把瓜熟看成四个随机变量
似然函数和规格可能率的涉嫌
似然函数就是规则概率的逆反。意为:
L(瓜熟 | 已知蒂落)= C × P(蒂落 | 瓜熟),C是常数。
具体来说,未来有一千个瓜熟了,落了800个,那条件概率是0.八。这自身也足以说,这1000个瓜都熟的只怕是0.捌C。注意,之所以加个常数项,是因为似然函数的具体值未有意义,唯有看它的抵触大小照旧多个似然值的比值才有含义。
同理,要是精晓地点的意思,分布便是壹“串”概率。
先验分布:今后常识不但告诉我们瓜熟的概率,也认证了瓜青、瓜烂的可能率。
后验分布:在知情蒂落之后,瓜青、瓜熟、瓜烂的票房价值都以有点
似然函数:在明亮蒂落的情况下,假诺以瓜青为一定属性,它的可能是有个别?假如以瓜熟为必然属性,它的也许性是不怎么?尽管以瓜烂为一定属性,它的或许是稍微?似然函数不是分布,只是对上述二种状态下各自的大概描述。
那就是说大家把那三者结合起来,就能够收获:
后验分布 正比于 先验分布 × 似然函数。
先验便是设定壹种状态,似然正是看那种情景下产生的或然性,两者合起来正是后验的可能率。
至于似然猜测:正是不管先验和后验那一套,只看似然函数,今后蒂落了,或者有瓜青、瓜熟、瓜烂,那三种状态都有个似然值(L(瓜青):0.6、L(瓜熟):0.八、L(瓜烂):0.七),大家选拔最大的特别,即瓜熟,今年要是瓜熟为必然属性是最有一点都不小可能率的。 Source

那份资源分外丰裕,但从少尉以后援引的篇章和能源看,大家可真不待见“总计”那一个词,从字面上看,它太无聊了,但它对许多机械学习的应用领域又是不能缺少的,所以上等兵此次依旧引入给我们。

程维虎介绍了样此次序总结量及其分布、次序计算量矩的估测计算、次序总结量之差矩的测算,详细讲解了二种基于次序总结量的总括测算理论和章程,研商了总括量的习性,最终交给几类特殊分布的依据样本次序计算量的完好分布的计算测算新措施。

本图书消息来自:神州互为出版网

怎么样是经验似然?

经历似然比渐近于卡方分布(Asymptotic Chi-Square)。

解析可能率质量函数,可能率密度函数,累积分布函数

  • 概率质量函数 (probability mass function,PMF) 是离散随机变量在各特定取值上的概率。
  • 概率密度函数(probability density function,PDF)是对连天随机变量概念的,本人不是可能率,唯有对一而再随机变量的取值实行积分后才是可能率。
  • 无论是是什么样品种的随机变量,都足以定义它的积累分布函数(cumulative distribution function,CDF)。累积分布函数能完全描述贰个实数随机变量X的概率分布,是可能率密度函数的积分。相当于说,CDF正是PDF的积分,PDF正是CDF的导数。公式参考那里

经验分布函数
参考博客

图片 1

格利文科定理


标记补充:
sup表示一个集合中的上确界,正是说任何属于该集合的成分都低于等于该值。可是不必然有有个别成分就恰恰等于sup的值,只好证实该集合有上界,那是它和max的区分,一般用在极其集中比较多。相对应的下确界用inf表示。
泛函数符号:

图片 2

泛函数符号

希尔Bert空间的理解
总结:Source

(线性空间 范数 = 赋范空间 线性结构) 内积

内积空间 完备性

HillBert空间。
解析:
从数学的武当山真面目来看,最基本的聚众有两类:线性空间(有线性结构的聚合)、心胸空间(离开空间,有度量结构的聚集)。对线性空间而言,重要研究集合的叙说,直观地说正是什么样理解地报告地外人这么些集合是怎么着体统。为了描述清楚,就引进了基(也就是三个维度空间中的坐标系)的概念,所以对于贰个线性空间来说,只要了然其基即可,集合中的成分只要知道其在给定基下的坐标即可。但线性空间中的成分未有“长度”(约等于空间维度空间中线段的长度),为了量化线性空间中的成分,所以又在线性空间引进特殊的“长度”,即范数。赋予了范数的线性空间即称为赋范线性空间。但赋范线性空间中三个成分之间向来不角度的定义,为了缓解该难点,所以在线性空间中又引入了内积的定义。因为有胸怀,所以能够在心胸空间、赋范线性空间以及内积空间中引入极限,但抽象空间中的极限与实数上的终极有二个十分的大的两样正是,极限点大概不在原来给定的联谊中,所以又引进了齐全的定义,完备的内积空间就称为Hilbert空间
那些空中之间的涉嫌是:线性空间与胸襟空间是四个区别的概念,未有交集。赋范线性空间正是授予了范数的线性空间,也是胸襟空间(具有线性结构的心胸空间),内积空间是赋范线性空间,希尔Bert空间正是兼备的内积空间。

1陆.吉布斯取样

(数学与音讯科学高校 刘娟芳)

《金融时间连串分析:第三版》
主干音信
原书名:Analysis of Financial Time Series Third Edition
作者: (美)蔡瑞胸(Tsay, R. S.) [作译者介绍]
译者: 王远林 王辉 潘家柱
丛书名: 图灵数学.总计学丛书
出版社:人民邮政和邮电通讯出版社
ISBN:9787115287625
上架时间:二〇一二-八-20
出版日期:二零一三 年八月
开本:16开
页码:1
版次:1-1
所属分类: 数学
图片 3

非参数总计测算与参数计算测算

非参数总结测算又称非参数检查实验。是指在不怀想原总体分布只怕不做关于参数假定的前提下,尽量从数据或样本本身拿到所须求的信息,通过猜度得到分布的构造,并逐步确立对事物的数学描述和总计模型的方式。

非参数总结测算平时号称“分布自由”的主意,即非参数数据分析方法对发生多少的一体化分布不做倘使,或许仅付给很相似的若是,例如一而再型分布,对称分布等局地大约的要是。结果一般有较好的安澜。

  • 当数码的分布不是很醒目,尤其是样本容积相当的小,差不离无法对遍布作出推测的时候,能够设想用非参数总括测算的主意。
  • 当处理意志数据时,选用非参数总括测算方法
  • 参数总括1般用来处理定量数据。可是若是收集到的多寡不适合参数模型的假诺,比如数据只有顺序未有轻重,则过多参数模型都爱莫能助,此时只好尝试非参数总计测算。

填补: 总括数据根据数据类型能够分成两类:定性数据和定量数据。非参数总括测算能够处理全体的品类的数目。

Note:非参数方法是与完整分布非亲非故,而不是与富有分布非亲非故。

在线参数推断; 平滑种类蒙特卡罗; 卡尔曼滤波器回想线性高斯模型;用于规范线性高斯模型的种类蒙特卡罗,Rao-Blackwellized粒子滤波器,应用; 时间体系模型; 部分观看线性高斯模型; 动态Tobit和动态Probit模型。【录制地址 学科笔记】

十一月二十四日早上,应数学与音信科学高校邀约,北工业余大学学博导薛留根和程维虎在数学南楼拾三室分别作了题为“纵向数据下壹些线性模型的广义经验似然预计”和“基于次序总结量的计算测算理论与艺术”的学术报告。高校相关专受业导师生加入聆听了本次讲座。报告会由副秘书长庞善初始席执行官。

经历似然的拓宽与行使
  • 线性回归模型的总结测算(Owen,198七)
  • 广义线性模型(Kolaczyk,1993)
  • 有的线性模型(Wang&Jing,19九陆)
  • 非参数回归(Chen&Qin,两千)
  • 偏度抽样模型(Qin,1993)
  • 黑影寻踪回归(Owen,壹九玖1)
  • 分为回归及M-泛函的总括测算(Zhang,19玖7)
  • 自回归模型(Chuang&Chan,二零零一)

近几年总括学家将经历似然方法运用到不完全体据的总结分析,发展了被推测的经历似然,调整经验似然及Bootstrap经验似然。

施行中多少1般是不完全的,主要表现是

  • 数据被任意删失
  • 数量度量有误
  • 数据missing

23.梦想最大化介绍

高斯罗宾斯-Monro算法的接连最大似然揣度(续); 回到多元高斯,马氏距离,几何解释,均值和矩,限制格局; 维数灾殃,高维的多项式回归中的挑衅,高维的球体和超立方体的体积/面积,高维的高斯分布; 条件和边缘高斯分布,配方法,伍德伯里矩阵求逆引理,内插无噪数据和数量插补的例证,高斯的讯息方式。【摄像地址 学科笔记】

高斯混合; 伯努利分布的混合;用于贝叶斯线性回归的只求最大化算法; 最大后验概率和希望最大化; 增量期望最大化; 使用期望最大化处理丢失的多少; 变分推理的角度。【摄像地址 学科笔记】

可能率主成分分析,最大似然解,期望最大化算法,贝叶斯主成分分析,核主成分分析。【摄像地址 课程笔记】

17.马尔可夫链蒙特卡罗和Metropolis-Hasting算法

重大抽样回想,主要性抽样解Ax = b,抽样首要性重采样(续); 吉布斯抽样,系统和Infiniti制扫描,块和吉布斯,在贝叶斯回归变量选择中的应用; 马尔科夫链蒙特Carlo,Metropolis-Hastings抽样,例子。【录像地址 学科笔记】

7.指数族分布和广义线性模型,多元高斯分布的贝叶斯预计

二六.连连潜变量模型

指数族分布,总括矩,Neymann因式分解,充足总结量和最大似然预计(续); 广义线性模型,规范响应,批处理和11I奥迪Q五LS算法; 对数以万计高斯分布,Wishart分布和逆Wishart分布,最大后验估摸和前面缘分布的均值和方差/精度举行贝叶斯估量。【摄像地址 学科笔记】

2贰.可逆的跳转马尔可夫链蒙特卡罗

贰.可能率总结概论简介(续)

玖.贝叶斯线性回归,模型相比较与选取

11.贝叶斯线性回归(续)

本文由金沙国际娱城发布于金沙产品评测,转载请注明出处:金融时间系列分析:第一版

关键词: 我校 教授 金沙国际娱城 北京工业大学 数学图书

上一篇:没有了

下一篇:没有了