【东吴金工 金工专题】提升技术分析的品格
GARCH模型的参数仍然通过信息准则确定,最终选择GARCH(1,1)来拟合模型残差。接下来,我们需要对GARCH拟合后的模型残差进行分析。检验结果如下:LB检验结果显示,模型残差不存在自相关性;ARCH检验结果表明,模型残差不存在异方差性。因此,我们认为模型残差为白噪声,已无可利用的信息,模型已经捕捉到了所有可用的线性关系。
ADC INL误差——最佳拟合线、总未调整误差、绝对和相对精度
如您所见,最佳拟合方法固有地选择了一条参考线,该参考线使最大INL误差最小化,并倾向于隐藏线性性能的细节。因此,在分析测量系统的误差预算时,最佳拟合方法似乎并不真正有用。这是因为,对于误差预算分析,我们需要计算与理想传递特性的偏差,而不是与某种任意的“最佳拟合”的偏差虽然端点方法更适合测量和控制应用,但...
11种经典时间序列预测方法:理论、Python实现与应用
残差分析:检查残差的白噪声性质和正态性过拟合测试:比较不同阶数模型的性能4、自回归积分移动平均(ARIMA)模型自回归积分移动平均(ARIMA)模型是ARMA模型的推广,通过引入差分操作来处理非平稳时间序列。它结合了差分(I)、自回归(AR)和移动平均(MA)三个组件。数学表示ARIMA(p,d,q)模型可以表示为:其中,B是...
R 语言GJR-GARCH、GARCH-t、GARCH-ged分析金融数据波动性预测...
从这些结果来看,boxtest的p值显著大于0.05,因此接受原假设,即模型残差是白噪声,残差稳定,模型效果较好。还对残差的正态性进行了分析:hist(garch.fit@fit$residuals,col="green",breaks=200,freq=FALSE)从结果来看,残差的直方图接近正态分布曲线,因此可以认为残差满足正态分布。综合评估与可视化进行...
基于ARCH类模型的当归价格指数波动影响因素分析及趋势预测
建立ARCH类模型前,对一阶差分处理的当归价格指数序列展开ARCH效应检验,若存在该效应则可以建立模型组,见表3。从表3的检验结果可知,F统计量和Obs*R-squared统计量的P值均为0.03(小于0.05),残差序列存在显著的波动聚集现象,说明存在ARCH效应,可以建立ARCH类模型并进行相应分析。
【金工专题】基于Nelson-Siegel模型的10-30Y国债期货套利策略研究
我们通过主成分分析提取出期限在10年以上债券收益率的残差项,选择前两个主成分进行分析(第一、第二主成分累计解释度分别为81%、94%),通过计算我们发现主成分与宏观经济数据存在一定相关性(www.e993.com)2024年10月23日。从样本内拟合结果我们可以发现第一主成分与花旗集团发布的经济意外指数、美元指数具有较高相关性,第二主成分与七天逆回购利率...
CVPR最佳论文候选 | NeRF新突破,用启发式引导分割去除瞬态干扰物...
例如,由于瞬态像素对应的颜色纹理在不同视角下不一致,在训练NeRF时该像素的预测值和真值之间的颜色残差往往大于静态像素的残差。然而,场景中的高频静态细节也会因难以拟合而有过大的残差,因此一些通过设置残差阈值来去除瞬态干扰物的方法很容易丢失高频静态细节。
Nature重磅!水凝胶领域连续发表两篇Nature,科研里程碑式进展!
在材料科学的浩瀚领域中,机器学习正逐步展现其作为变革性工具的学术潜力。随着材料设计空间的不断扩展,传统的研究方法在面对复杂多变的材料性质与结构时,往往显得力不从心。机器学习技术的引入,为这一困境提供了全新的解决方案,其强大的数据处理与分析能力,正引领着材料科学向更加精确、高效的研究范式转变。
数学建模必备五大模型之一 | 预测模型详解(下)
一旦我们得到了回归系数β,就可以用它来预测新的因变量值或评估模型的拟合优度。预测值Y^可以通过将新的自变量值代入模型方程中来计算。模型的拟合优度可以通过各种统计指标来评估,如决定系数(R2)、均方误差(MSE)、均方根误差(RMSE)等。03、模型优缺点分析...
华泰| 金工:国内双因子定价模型的构建与应用
从结果上看,三类信号单独使用均能提升策略的收益表现和夏普比率,其中残差动量信号的提升效果最为明显。与单一信号策略相比,复合信号策略可进一步的提升策略业绩表现,其中综合了残差动量、风格趋势和市场因子信号的融合策略在回测样本区间内具有最高的年化收益率,说明信号的叠加具有增益效果。