Portfolio_Optimizer:优化投资组合-计算每日资产的执行年度收益和年度样本协方差矩阵

该文件比较了卡尔曼滤波器的三个不同版本。 卡尔曼滤波器用于递归参数估计。 卡尔曼滤波器可以处理噪声测量。 第一个实现的滤波器 (fcn_KF) 是具有标准的卡尔曼滤波器更新协方差矩阵 P。 协方差矩阵反映了预测的不确定性。 为了提高数值稳定性，Potter 开发了一个协方差矩阵 P 的平方根更新 (fcn_KF_SRP)。 另一个版本是平方根协方差更新通过三角化 (fcn_KF_SRT)。 该文件生成一个模型。 然后三个卡尔曼滤波器执行一个模型参数的估计。 最后比较结果。 资料来源： Simon, D. (2006)：最佳状态估计 Kaminski, P. (1971)：离散平方根滤波：当前技术概览 Golub, G. (1996)：矩阵计算

R(rstudio)语言协方差分析代码.txt

% ERROR_ELLIPSE - 绘制误差椭圆或椭球，定义% 置信区间% ERROR_ELLIPSE(C22) - 给定一个 2x2 协方差矩阵，绘制% 相关误差椭圆，在原点。 它返回一个图形句柄绘制的椭圆的百分比。 % % ERROR_ELLIPSE(C33) - 给定一个 3x3 协方差矩阵，绘制% 相关误差椭球，在原点，以及它的投影% 到三个轴上。 返回一个包含 4 个图形句柄的向量，用于% 三个椭圆（分别在 XY、YZ 和 ZX 平面中）和% 椭球体。 % % ERROR_ELLIPSE(C,MU) - 绘制以 % MU 为中心的椭圆或椭球，该向量的长度应与 C 的长度相匹配（即 2x2 % 或 3x3）。 % % ERROR_ELLIPSE(...,'Property1',Value1,'Name2',Value2,...) 集指定属性值的百分比，包括： % 'C' - 指定协

matlab最小距离代码 作者不再支持此工具箱。 该代码适用于最新的Matlab 2015版本，但可能与以后的版本不兼容。 考虑用作（python）替代方案。 免费派发工具箱并开始您自己的支持:) 协方差工具箱 该工具箱包含一组专用于协方差矩阵估计和处理的matlab函数。 关键功能主要集中在SPD矩阵的Riemanian几何上，包括距离，测地线，切线空间和不同度量下协方差矩阵的均值估计。 该工具箱已获得GPLv3许可。 安装 installer 功能清单 生成SPD矩阵 根据wishart分布生成一组SPD矩阵： [COV, Sig] = generate_wishart_set(N,I,Df,Sig) 距离 两个协方差矩阵之间的距离（默认为欧几里德度量）： d = distance(C1,C2,metric) Kullback-Leibler距离： d = distance_kullback(C1,C2) 对数欧式距离： d = distance_logeuclid(C1,C2) 黎曼距离： d = distance_riemann(C1,C2) 最佳运输距离： d = dista

基于Toeplitz协方差矩阵重构的到达方向估计

压缩包里有两个m文件和一个例子。只是要一个相关数而已，cov，corrcoef函数为什么要出来矩阵呢，好麻烦，每次设置系数的时候都感觉不踏实。。然后就自己写了两个小函数，技术含量比较低，可以看作函数学习的例子吧。。然后默认系数都是1/N，需要改成1/（N-1）的，可以自己设置下。偷懒用的，求不喷，相互进步吧。。

该脚本是一个包含随机预测算法“GAUSSIAN PROCESS REGRESSION”的函数。 它还包含一些协方差函数： - 1: 母 3/2 - 2: 母 5/2 - 3：神经网络- 4：定期- 5：平方指数。 - 6: Matern + 平方指数- 7: Matern 3/2 + 神经网络高斯过程回归先验知识是 U、观测值 F、协方差（数字）COV、评估变量 X、所选协方差函数 O_cov 的超参数和噪声因子 Oy。

本部分为第四部分稳定图的绘制，可做稳定图，基于前三部分，可以很清楚的明白每一行代码的意思内容。希望可以帮到初学者，

计算协方差矩阵的特征向量和特征值 eigenvectors：协方差矩阵C的特征向量 eigenvalues：协方差矩阵C的特征值 特征矢量组成模式矢量 求出特征值后，按照特征值由大到小排序，给出重要级级别 对相应位置的特征向量按照特征值位置变化进行调整 C