苦于在網(wǎng)上找不到對(duì)與unstack與stack的很直觀對(duì)于我們這些小白很友好的解釋，在自行研究一番后，決定自己寫一個(gè)，用詞不會(huì)很專業(yè)，只希望以最簡(jiǎn)單最直白的方式來解釋。首先將...
IP屬地：北京
-
unstack與stack實(shí)例解釋
-
金融模型——Copula函數(shù)對(duì)金融資產(chǎn)尾部相關(guān)性分析Copula函數(shù)對(duì)金融資產(chǎn)尾部相關(guān)性分析 目錄 簡(jiǎn)介 尾部相關(guān)系數(shù) Copula函數(shù) Copula函數(shù)的參數(shù)估計(jì) Copula函數(shù)對(duì)金融資產(chǎn)的相關(guān)性分析 最大分散化投資組合(...
-
Windows安裝Anaconda的坑
Windows安裝Anaconda 安裝過程比較簡(jiǎn)單，就是去官網(wǎng)下載對(duì)應(yīng)的exe版本安裝就好涂臣。注意點(diǎn)： 如果官網(wǎng)比較慢盾计，推薦用清華源: https://mirrors.tun...
-
MIT線性代數(shù)總結(jié)筆記——QR分解前言 前文我們講解了投影矩陣和最小二乘法，本節(jié)我們深化正交基和正交矩陣的概念和性質(zhì)静浴，討論QR分解以及將一組向量轉(zhuǎn)化為標(biāo)準(zhǔn)正交向量組的方法：Gram-Schmidt正交化拓瞪。 矩...
-
Sparse Principal Component Analysis
背景: sparse PCA 較 PCA來說更具可解釋性呀袱，泛化性。 部分符號(hào) 假設(shè)樣本已經(jīng)中心化（每一個(gè)行為一個(gè)樣本） 為主成分（PCs） 創(chuàng)新點(diǎn) 1.將PCA問題轉(zhuǎn)化為...
-
損失函數(shù)softmax_cross_entropy、binary_cross_entropy、sigmoid_cross_entropy之間的區(qū)別與聯(lián)系cross_entropy-----交叉熵是深度學(xué)習(xí)中常用的一個(gè)概念材鹦，一般用來求目標(biāo)與預(yù)測(cè)值之間的差距逝淹。 在介紹softmax_cross_entropy，binary_cr...
-
歷史模擬法桶唐、蒙特卡羅模擬法計(jì)算VaR和ES值一栅葡、知識(shí)點(diǎn)介紹 1.1 歷史模擬法 我們?cè)谥坝杏玫紻elta-Normal的GARCH和RiskMetrics方法來計(jì)算VaR和ES，假設(shè)的是殘差滿足正態(tài)分布尤泽，對(duì)殘差進(jìn)行二...
-
2.3.4 高斯分布的最大似然估計(jì)
給定一個(gè)數(shù)據(jù)集，其中觀測(cè)嘉定是獨(dú)立從多元高斯分布中抽取的鬼店，那我們可以用最大似然來估計(jì)分布的參數(shù)和高斯分布公式對(duì)數(shù)似然函數(shù)為 似然函數(shù)對(duì)數(shù)據(jù)集的依賴體現(xiàn)在和，對(duì)進(jìn)行求導(dǎo)黔龟，應(yīng)用二...
-
少YY航徙，寫點(diǎn)有用的
