文件说明 backup 从 20171009 至今从雪球，joinquant，uqer获取到的数据的备份 获取实时数据 realtime_get_css.py 从雪球获取中概股行情数据 realtime_get_hk.py 从雪球获取香港股票行情数据 realtime_get_hs.py 从雪球获取沪深股票行情数据 realtime_get_kzz.py 从集思录获取可转债数据，计算出平均值 joinquant获取前一天行情数据 joinquant.py uqer获取前一天行情数据 uqer.py 将joinquant获取到的行情数据导入到数据库中 import_joinquant.py 将uqer获取到的行情数据导入到数据库中 import_uqer.py 从国证指数官网获取指数成分股 () update_index_cnindex.py 从中证指数官网获取指数成分股 () upda

用法：[Y CovY] = Correlation_elimination( X ) 输入： X表示多元原始观测值（相关数据） 输出： Y 表示多元不相关数据 CovY 是 Y 的协方差_________________________________________ 例子： 将多元 Poisson-Weibull (X) 数据转换为新的不相关数据 (Y) %生成随机数据（使用NORTA方法） corrZ=[1 0.5;0.5 1]; Z=mvnrnd([0 0],corrZ,1000); X(:,1)=poissinv(normcdf(Z(:,1)),3); X(:,2)=wblinv(normcdf(Z(:,1)),3,2); X=X'; [Y CovY] = Correlation_elimination( X ) ____________________________

使用python中的pandas库函数对dataframe的相关数据进行处理，是一个入门数据分析的好文档

包括陈强《高级计量经济学及Stata应用》(第2版)pdf书籍以及相关数据、课件和勘误+王燕《应用时间序列分析》，感兴趣的朋友们可以下载查看~

银行营销数据分析 要求 Python 2.7 脾气暴躁> = 1.14.2 Matplotlib> = 2.2.0 熊猫> = 0.22.0 Scikit-Learn> = 0.19.1 描述 银行营销数据集是从葡萄牙语的一家银行机构的直接营销活动中收集的。 营销活动可以理解为打给客户的电话，说服他们接受他们向其银行存入定期存款。 每次通话后，他们被记为否-是客户未存入保证金，是-是通话中接受接受存入的客户。 该项目的目的是根据客户的信息预测应召客户是否愿意存入定期存款。 该项目考虑的银行营销数据集仅占全部可用数据集的一小部分（10％）。 该数据集包含约4119行数据，其中包含19个功能部件和1列Class信息。 数据集的主要问题是： 需要进行预处理以填充数据集中的未知值 需要进行预处理以决定分类数据和连续数据的使用 数据是类别不平衡的（与类别0的数量（否）相比，类别1

参考于：https://blog.csdn.net/hwj_wayne/article/details/104071703

智慧医疗建设指导规范 第1部分：市、县（区)区域卫生信息平台与省居民健康档案信息系统相关数据接口规范.doc

智慧医疗建设指导规范 第3部分：远程会诊系统与医院信息系统相关数据接口规范.doc

智慧医疗建设指导规范 第4部分：区域卫生信息平台与新农合信息管理系统相关数据接口规范.doc

阅读《SAS在金融中的应用五》需要操作者