社区
关东升的课程社区_NO_5
极简R数据分析与可视化实战训练营:进阶实战
帖子详情
11.4 案例4:基于ARIMA模型的中国石油股票收盘价预测【动手实践】步骤 4:模型评估与可视化
码农老关【关东升】
2025-01-16 10:43:02
课时名称
课时知识点
11.4 案例4:基于ARIMA模型的中国石油股票收盘价预测【动手实践】步骤 4:模型评估与可视化
案例4:基于ARIMA模型的中国石油股票收盘价预测【动手实践】步骤 4:模型评估与可视化
...全文
32
回复
打赏
收藏
11.4 案例4:基于ARIMA模型的中国石油股票收盘价预测【动手实践】步骤 4:模型评估与可视化
课时名称课时知识点11.4 案例4:基于ARIMA模型的中国石油股票收盘价预测【动手实践】步骤 4:模型评估与可视化案例4:基于ARIMA模型的中国石油股票收盘价预测【动手实践】步骤 4:模型评估与可视化
复制链接
扫一扫
分享
转发到动态
举报
AI
作业
写回复
配置赞助广告
用AI写文章
回复
切换为时间正序
请发表友善的回复…
发表回复
打赏红包
Python 时间序列分析手册:第11章:时间序列的其他统计建模技术
在第 10 章使用统计方法构建单变量时间序列
模型
》中,您已经学习了指数平滑法、非季节性
ARIMA
和季节性
ARIMA
等流行的
预测
技术。这些通常被称为经典统计
预测
方法,具有快速、易于实现和解释性强的特点。本章将深入...
Python 金融秘籍第二版(四)
本章介绍了 GARCH
模型
(包括单变量和多变量
模型
)在波动性
预测
中的实际应用。通过了解如何使用 GARCH 类
模型
进行波动性建模,我们可以用更准确的波动性
预测
来替代许多实际应用中的简单估计,例如风险管理、波动性...
Python 时间序列的机器学习(三)
在本章中,我们讨论了如何使用时间序列的概率
模型
帮助我们在金融
预测
的背景下做出带有不确定性估计的决策。这些
预测
驱动着财务规划的商业决策。我已经介绍了 Prophet、马尔可夫
模型
和模糊时间序列
模型
。我们讨论了 ...
Python 数据清理和准备最佳
实践
(三)
我们理解了缺失值如何扭曲我们的分析,并学习了从简单的均值插补到先进的基于机器学习的插补技术等多种插补方法。同样,我们认识到异常值可能会偏移我们的结果,并深入研究了在单变量和多变量背景下检测和管理异常值...
金融机器学习的进展(一)
练习题 参考文献列表 第五部分 高性能计算食谱 第二十章 多处理与向量化 20.1 动机 20.2 向量化示例 20.3 单线程与多线程与多处理 20.4 原子与分子 20.5 多处理引擎 20.6 多处理示例 练习题 参考文献 参考书目 注释...
关东升的课程社区_NO_5
1
社区成员
635
社区内容
发帖
与我相关
我的任务
关东升的课程社区_NO_5
关东升,国内著名技术专家,架构师,项目经理、技术顾问,技术图书作家,51CTO学院金牌讲师。 擅长技术: 移动开发、前后端技术、游戏开发、数据库开发与设计、软件架构设计等多种IT技术。 20多年教学经验: 教授近万名学员,近期为中国移动、中国联通、南方航空、中石油、工商银行、平安银行和天津港务局等企事业单位授课。 著有50本多部畅销书: 《看漫画学Python》 《看漫画学Python2》 《极简ChatGPT: 如何利用AI提高办公效率》 《极简ChatGPT:如何利用AI实现Python自动编程》 《AI时代程序员开发之道:ChatGPT让程序员插上翅膀》
复制链接
扫一扫
分享
社区描述
关东升,国内著名技术专家,架构师,项目经理、技术顾问,技术图书作家,51CTO学院金牌讲师。 擅长技术: 移动开发、前后端技术、游戏开发、数据库开发与设计、软件架构设计等多种IT技术。 20多年教学经验: 教授近万名学员,近期为中国移动、中国联通、南方航空、中石油、工商银行、平安银行和天津港务局等企事业单位授课。 著有50本多部畅销书: 《看漫画学Python》 《看漫画学Python2》 《极简ChatGPT: 如何利用AI提高办公效率》 《极简ChatGPT:如何利用AI实现Python自动编程》 《AI时代程序员开发之道:ChatGPT让程序员插上翅膀》
社区管理员
加入社区
获取链接或二维码
近7日
近30日
至今
加载中
查看更多榜单
社区公告
暂无公告
试试用AI创作助手写篇文章吧
+ 用AI写文章