使用Python 机器学习预测黄金价格
解释变量是被操纵以确定第二天黄金ETF价格价值的变量。简而言之,它们是我们想要用来预测黄金ETF价格的特征。该策略的解释变量是过去3天和9天的移动平均线。我们使用dropna()函数删除NaN值并将特征变量存储在X中。但是,您可以向X添加更多您认为有助于预测黄金ETF价格的变量。这些变量可以是技...
策略专题:日元-日债正反馈机制开启:为何加息反而扣动了日元贬值的...
使用日本债务发散风险指数,以及美国与日本的10年期国债收益率利差作为解释变量对美元兑日元做回归,模型拟合优度为75%且变量显著,具有较强解释力度;如果将回归区间拆分,1983-1992样本区间的回归模型中,债务发散风险系数为正;而1993后的回归模型中债务发散风险系数为负。这说明日本在正常通胀区间时,债务发散风险越高,对...
汪毅:自上而下全A盈利预测研究
用PPI、工业增加值、PPIRM对全A(非金融)毛利率进行模拟(数据区间剔除一季度,只保留二三四季度数据,因变量为标准化后的毛利率,自变量均采用标准化后的季频同比值),回归结果如图18和图19,模型拟合效果较好,拟合优度达0.74。以下为全A(非金融)毛利率的标准化模型函数:3.6全A(非金融)利润增速用工业增...
“双碳”目标下中国省域绿色物流发展时空演变分析 | 科技导报
GWR模型的带宽选择通常以最小化拟合优度指标加以选取,如采用最小AIC信息准则(Akaikeinformationcriterion)进行判断。本文采用一体化Python语言实现工具PySAL中的子库mgwr(2.0.1版)来拟合GWR模型及多元线性回归模型,其提供了高效的模型拟合、t值诊断能力,这是ArcGIS和R所不具备的。同时对GWR模型进行T检验,T检验结果...
社区环境如何影响老年人的认知衰退速度?
数据分析分成五个步骤:(1)构建一个不包括任何解释变量的无条件均值模型来检验认知功能得分是否在不同层面均具有显著的变异。(2)将时间变量及其二次项作为自变量引入模型,根据模型的拟合优度来确定认知功能随时间变化的形态。(3)将出生队列标志变量及其与时间变量的交互项纳入模型,揭示个体认知功能及其变化过程所存在的...
广发宏观 | 如何对GDP进行月度估算
方法三是高频的三变量模型(www.e993.com)2024年7月4日。为了能进行月度GDP同比的提前预测,我们选择工业增加值的代理指标工增同比扩散指数,社零的代理指标社零同步扩散指数,地产投资的代理指标30城商品房销售同比进行ARDL模型回归。这一模型的缺点在于拟合优度有所下降,需要进行误差调整;而优点相当于以此为代价换取提前15天左右的预测,至少可以当作一...
广发宏观陈礼清:社会消费品零售总额如何预测?
相比于ARDL模型来说,混频MIDAS模型的拟合优度更高,走势更为贴合;但回测结果更为震荡,上升趋势中有多处反复点,月际之间波动更多。这两点印证了混频MIDAS预测更有效地利用了高频数据,同时也受到高频数据波动较大的干扰,优缺点都有。模型样本外预测8月社零同比为3.40%~4.43%。
人工智能企业抵御风险能力对融资成本的影响研究——基于我国智能...
第三,拟合优度R2的系数为0.810,调整后的拟合优度为0.459,说明回归方程的拟合优度相对较高。回归模型与原始数据吻合较好,融资能力与各种影响因素存在显著相关关系。第四,D-W值为1.996,残差没有序列相关性,即该模型的设计总体上是合理的。5.稳健性检验...
中国绿色发展时空演变轨迹与影响机理研究
同时,研究运用Hausman计算检验固定效应模型和型随机效应模型的拟合优度,根据检验结果随机效应模型卡方值较小且P值均小于0.1,表明绿色发展及其构成指数的固定效应明显优于随机效应。综上所述,解释变量和被解释变量数据采用LLC和ADF两种方法均通过了面板数据稳定性检验,同时在Hausman检验的基础上选择固定效应模型进行回归分析...
成都市TOD“137”圈层规划模式及“All in One”理念研究与实践 |...
式中,(ui,vi)为样本i的空间经纬度坐标,βk(ui,vi)为样本i的待估回归参数,β0(ui,vi)为常数项,xik为第k个解释变量在第i个样本点的取值,εi为误差项。选取R2、AdjustedR2、赤池信息准则(Akaikeinformationcriterion,AIC)/莫兰指数,对GWR模型的拟合优度和空间相关性进行考量。R2、AdjustedR2越大,AIC...