全部版块 我的主页
论坛 数据科学与人工智能 数据分析与数据科学 R语言论坛
3078 21
2021-03-04
====================================
Author :  Daniel Tulips Liu
====================================

2021 年 5 月 18 日 ,再次修改,增加了 Julia 语言的教学。


===================================
上传一个 Julia 的PDF 文件。
teching.pdf
大小:(73.99 KB)

 马上下载


===================================

R 语言众多EVT 极值理论的工具包在这个网址:https://cran.rstudio.com/web/views/ExtremeValue.html


这里实现的是可以发 SCI 全英文论文的图片,与论坛上已经发的不太一样。


当然还有一张是 VAR 向量自回归模型的 D-Y 波动溢出分解。

VAR 向量自回归 D-Y 分解图:
图片1.png



这里是 EVT 极值理论的绘图:



上尾极值风险估计图 下尾极值风险估计图 半参数估计 半参数估计


二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

全部回复
2021-3-15 11:36:21
$$
A(L) =
\left[ \begin{array}{ccc}
1+0.114L^{1}-0.0152L^{2}-0.0429L^{3}-0.0787L^{4}-0.067L^{5}-0.082L^{6} & 0-0.418L^{1}-0.221L^{2}-0.116L^{3}+0.0128L^{4}-0.0879L^{5}+0.0663L^{6} & 0-0.253L^{1}-0.0201L^{2}-0.679L^{3}-0.426L^{4}+0.317L^{5}+0.116L^{6}    \\
0-0.0499L^{1}-0.0397L^{2}-0.0323L^{3}-0.102L^{4}-0.0249L^{5}-0.0389L^{6} & 1+0.156L^{1}-0.093L^{2}-0.263L^{3}-0.163L^{4}-0.0522L^{5}-0.0097L^{6} & 0+0.0497L^{1}+0.263L^{2}-0.00917L^{3}+0.15L^{4}+0.0151L^{5}-0.116L^{6}    \\
0-0.00611L^{1}-0.0126L^{2}-0.00824L^{3}+0.00269L^{4}-0.0282L^{5}+0.00782L^{6} & 0-0.0742L^{1}-0.0478L^{2}+0.0315L^{3}-0.0144L^{4}+0.00483L^{5}+0.0689L^{6} & 1-0.034L^{1}-0.202L^{2}-0.052L^{3}-0.198L^{4}-0.208L^{5}-0.0253L^{6}    \\
\end{array} \right]
$$
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

2021-3-15 11:36:49
$$
B(L) =
\left[ \begin{array}{ccc}
1 & 0 & 0    \\
0 & 1 & 0    \\
0 & 0 & 1    \\
\end{array} \right]
$$
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

2021-3-15 11:37:17
$$
C(L) =
\left[ \begin{array}{c}
-0.000423-0.00403L^{1}+0.00242L^{3}+0.00102L^{4}+0.00126L^{5}    \\
0.000292    \\
-9.52e-05    \\
\end{array} \right]
$$
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

2021-3-20 05:02:43
$$
\begin{gathered}
{y_t} = {\mu _t} + {\sigma _t}{z_t},{\text{ }}{z_t} \sim i.i.d\left( {0,1} \right) \\
\log \sigma _t^2 = \omega + \sum\limits_{i = 1}^q {{\alpha _i}\log {r_{t – i}} + \sum\limits_{i = 1}^p {{\beta _i}\log \sigma _{t – i}^2} } \\
\log r_t = \xi + \delta \log \sigma _t^2 + \tau \left( {{z_t}} \right) + {u_t},{\text{ }}{u_t} \sim N\left( {0,\lambda } \right) \\
\end{gathered}
$$
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

2021-3-28 18:09:29
|         |   N|   |  Mean|   SD|   |  Min| Q1| Median| Q3|  Max|
|:--------|---:|:--|-----:|----:|:--|----:|--:|------:|--:|----:|
|distance | 108|   | 24.02| 2.93|   | 16.5| 22|  23.75| 26| 31.5|
|age      | 108|   | 11.00| 2.25|   |  8.0|  9|  11.00| 13| 14.0|
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

点击查看更多内容…
相关推荐
栏目导航
热门文章
推荐文章

说点什么

分享

扫码加好友,拉您进群
各岗位、行业、专业交流群