多重分形的matlab代码-QuantitativeStatisticalAnalysis:内容翻译自国外量化网站Quantopian的Lec

上传者: 38569675 | 上传时间: 2022-07-22 01:01:20 | 文件大小: 1.64MB | 文件类型: ZIP
多重分形的matlab代码 “量化分析”是基于统计分析方法,对收集的样本数据做定量化的分析,并形成有关结论。量化分析需要操作者至少具备概率论、统计学、线性代数等数理知识。很多量化工具本身已经提供了封装好的算法功能,使得分析人员能够把精力更多聚焦在对数据的量化分析本身,而非过度分心于代码逻辑上的实现。 说到量化工具,比较流行的有 IBM 的 SPSS、MathWorks的 Matlab、Python 和 R。为了兼顾学习成本和流行程度,本系列使用Python语言,基于IPython Notebooks环境进行量化数据分析与统计验证。但其实选择什么工具并不是最重要的,关键是理解背后的实现思想,所谓“道”和“术”不外乎如是,擅长其他工具的各位可以自行转化代码,相信并不是难事。 最后,本系列所有内容供免费浏览,部分翻译自国外量化网站的免费教程,部分来自于笔者的学习心得,经过系统性梳理汇总而成,希望能够起到抛砖引玉的作用,提供一个由浅入深的量化分析快速入门指引。

文件下载

资源详情

[{"title":"( 10 个子文件 1.64MB ) 多重分形的matlab代码-QuantitativeStatisticalAnalysis:内容翻译自国外量化网站Quantopian的Lec","children":[{"title":"QuantitativeStatisticalAnalysis-master","children":[{"title":"「量学堂-1」集中趋势测度.ipynb <span style='color:#111;'> 10.73KB </span>","children":null,"spread":false},{"title":"「量学堂-6」随机变量.ipynb <span style='color:#111;'> 420.55KB </span>","children":null,"spread":false},{"title":"「量学堂-4」线性相关性分析.ipynb <span style='color:#111;'> 149.74KB </span>","children":null,"spread":false},{"title":"Gaussian_Pprocesses_CN.html <span style='color:#111;'> 754.04KB </span>","children":null,"spread":false},{"title":"「量学堂-3」统计矩.ipynb <span style='color:#111;'> 163.75KB </span>","children":null,"spread":false},{"title":"不同核的先验和后验高斯过程示例.ipynb <span style='color:#111;'> 163.62KB </span>","children":null,"spread":false},{"title":"README.md <span style='color:#111;'> 1.11KB </span>","children":null,"spread":false},{"title":"Gaussian_Pprocesses_CN.ipynb <span style='color:#111;'> 455.30KB </span>","children":null,"spread":false},{"title":"「量学堂-2」离散度的测量.ipynb <span style='color:#111;'> 8.07KB </span>","children":null,"spread":false},{"title":"「量学堂-5」参数估计的不稳定性.ipynb <span style='color:#111;'> 429.61KB </span>","children":null,"spread":false}],"spread":true}],"spread":true}]

评论信息

免责申明

【只为小站】的资源来自网友分享,仅供学习研究,请务必在下载后24小时内给予删除,不得用于其他任何用途,否则后果自负。基于互联网的特殊性,【只为小站】 无法对用户传输的作品、信息、内容的权属或合法性、合规性、真实性、科学性、完整权、有效性等进行实质审查;无论 【只为小站】 经营者是否已进行审查,用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。
本站所有资源不代表本站的观点或立场,基于网友分享,根据中国法律《信息网络传播权保护条例》第二十二条之规定,若资源存在侵权或相关问题请联系本站客服人员,zhiweidada#qq.com,请把#换成@,本站将给予最大的支持与配合,做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明