Sequential Monte Carlo in C++ 包括一片文章介绍SMC,然后是C++代码实现。

之字形回旋镖 概述 马尔可夫链蒙特卡罗（MCMC）方法用于从概率分布中进行采样，例如贝叶斯模型中的后验分布。 在ZigZagBoomerang.jl中实现的分段确定性蒙特卡洛（PDMC）方法具有相同的目标，不同的是，此处的分布是通过粒子的连续运动而不是一次移动一个点来进行探索的。 在此，粒子在随机时间改变方向，并在确定性轨迹上移动（例如，沿着恒定速度的直线，请参见图片） 校准随机方向的变化，以使粒子的轨迹采样正确的分布； 从轨迹可以估算出感兴趣的量，例如后均值和标准差。 是否改变方向的决定仅需要评估偏导数，该偏导数依赖于很少的坐标-坐标在马尔可夫毯子中的邻域。 这样就可以使用Julia的多线程并行性（或其他形式的并行计算）来利用多个处理器内核。 约里斯·比尔肯（Joris Bierken）的“以及我们关于话语是ZigZagBoomerang.jl所涵盖方法的理论和应用的良好起点。

比较统计 使用R进行统计编程

蒙特卡洛经济 使用蒙特卡洛模拟封闭经济的财富分配

使用此代码模拟基本的微观结构演变。 这是一个相当古老的代码。 将很快在 2D 和 3D 中发布更新的代码。 此版本使用环绕边界条件，与新代码相比，计算速度稍慢。 但是，我正在对较新的版本进行一些更改。 所以，当心新版本.. :)

该 Ising 模型用于通过应用 Metropolis 算法-蒙特卡洛方法模拟磁系统（正、负或随机自旋）。 运行主文件，输入晶格大小（最好是 100），然后选择一个输入自旋作为初始配置。 设置了两个不同的温度（T=2.0 和 T=2.5）。 例如，在 T=2（低温）下使用选定的正自旋进行初始化，大多数自旋是黑色的，这是因为翻转自旋的机会很小，并且材料具有铁磁性。 对于 T=2.5 的情况，由于温度较高，它会产生自旋翻转的趋势。 因此，材料失去磁化。 自旋似乎没有对齐，由此产生的配置似乎是随机无序的。 那是因为顺磁行为。 模拟的下一部分是可观测值计算：平均磁化、平均能量、平均磁化率和比热。 为了计算平均能量和磁化强度，我们必须找到能量和磁化值变化很小的时间依赖性（能量和磁化强度随时间增加变化很小的时间）因此，我们选择精度 p 并检查间隔（应满足精度的时间步数）。 这些间隔应取决于初始配

股票评估工具 此回购包含一组工具，投资者可以使用这些工具来更好地了解他/她感兴趣的股票。它不建议买卖股票，而是有助于形成对股票的有根据的猜测。潜在的未来股价走势，并因此对要分析的股票做出买/卖/持有决定。 这里包括的工具不是唯一可以使用的工具。 之所以将它们包括在内，是因为我相信没有任何一种工具或模型可以充分理解导致股价波动的所有因素。 此仓库中包含的工具集可分为： 工具-EMA信号，布林带。 -通过YahoofFinancials和YFinance API使用财务数据。 -ARIMA随机森林。 -随机森林。 模型-LSTM。 模型-蒙特卡洛模拟。 -NLP情感分析。 模型-基于Markowitz的Efficient Frontier和CVaR。 我相信，通过将上述分析工具一起使用，就可以对未来的股价做出正确的预测。 如何使用储存库 没有预定义的方式来使用存储库中包

蒙特卡罗（Monte Carlo）算法的基础概念，很好的入门教程

MonteCarlo.jl：Julia中的古典和量子蒙特卡洛模拟

Monte Carlo化学动力学程序的MATLAB实现及其应用.pdf