金融占星术统计 自古代文明以来,人们观察到,当特定的行星循环重复发生时,自然又会发生一些与过去相似的世俗事件。 在公元前1800年注意到这种相关性的,我们在2021年,占星术仍在实践中,受到某人的爱戴,而另一些人则恨之入骨。 某些预测能力可能隐藏在行星周期的背后吗? 好吧,让我们考虑一下...从统计学家和市场分析师的角度来看,完全可以接受可能存在可以预测价格的季节性影响。 正确的? 通常在时间序列中,按Wikipedia页面中的说明,按季节,按月,按周,按季度等来模拟。 如果您对此进行考虑,您可能会问:一年,一个月或一天是什么? 这只是时间度量,但结果是这些度量与行星有关:我们的年份是地球经度位置与太阳的关系。 我们的月份大约是28天的月球自转周期,而我们的24小时(昼/夜)是地球自转周期。 最后,我们的日子名称与某些行星的名称相似,并且有其意图,如《维基百科页面所述。 阿兹台克人也有一
1
基本面分析 该程序包从FinancialModelingPrep收集了一大批公司(13.000+)的基础知识和详细的公司股票数据,并使用Yahoo Finance获取任何金融工具的股票数据。 它允许用户进行大部分基本的基本分析。 它还提供了快速比较多个公司或进行行业分析的可能性。 要查找特定行业和/或行业的符号,请查看我的或在我的上查看数据的可视化。 职能 在这里,您可以找到此软件包中每个模块分开的可用功能列表。 细节 available companies -显示可用于收集基本数据的公司的完整列表,包括当前价格和公司所在的交易所。 这是一个广泛的列表,有超过13.000家公司。 profile -提供有关行业,行业交流和公司描述的信息。 quote -提供有关公司的实际信息,其中包括日高,市值,开盘价和收盘价以及市盈率。 enterprise -随时间显示股票价格,股票数量,市
1
Value-at-Risk The New Benchmark for Managing Financial Risk, 3rd Edition
2023-03-14 22:46:24 10.94MB FRM_Lv1_VR
1
An accessible treatment of Monte Carlo methods, techniques, and applications in the field of finance and economics. Providing readers with an in-depth and comprehensive guide, the Handbook in Monte Carlo Simulation: Applications in Financial Engineering, Risk Management, and Economics presents a timely account of the applicationsof Monte Carlo methods in financial engineering and economics
2023-03-12 23:23:41 29.27MB Monte Carlo Simulation
1
Implementing QuantLib
2023-03-02 10:43:07 1.77MB QuantLib C++ Financial
1
quickfixj-spring-boot-starter:用于QuickFIXJ的Spring Boot Starter
2022-12-27 09:58:17 123KB java spring spring-boot financial
1
这份免费的Python免费软件指南具有可免费下载的数据集,将计量经济学的技术带到了生活中,向读者展示了如何使用这个非常流行的软件包来实施《金融计量经济学入门》中介绍的方法。 该指南旨在与主要教科书一起使用,它将使读者有信心和技巧来估计和解释自己的模型,同时该教科书将确保他们对概念基础有透彻的理解。 该指南借鉴了剑桥大学出版社克里斯·布鲁克斯(Chris Brooks)于2019年出版的《金融计量经济学概论》中的资料。 该指南旨在与该书一起使用,并且该书的页码在每个小节和小节标题后给出。
2022-10-19 21:12:31 10.5MB Python financial econometrics education
1
柳树 willowtree是Michael Curran的同名衍生产品定价模型的开源Python实现。 Curran,M.(2001年): 什么是柳树? 柳树是一种高效的重组格子,旨在快速,准确地对衍生合约进行定价。 它通过离散时间马尔可夫链直接对标准布朗运动进行建模,所得的估计值可作为更复杂过程(例如几何布朗运动)的基础。 晶格具有两个鲜明的特征: 它根据布朗运动作为时间的平方根扩展,并且与二项式模型不同,后者随着时间线性增长。 它在一开始就非常快地打开,覆盖了被标准树忽略的高概率区域,后来又慢慢地被限制在正态分布的置信度范围内。 这方面既避免浪费时间和计算资源浪费在分布的尾部,又对几乎不影响当前证券价格的定义的区域,并且避免了修剪树的任意做法,即无视分支,以及他们的后代,位于低概率区域; 它在每个时间步中具有恒定数量的节点。 随着时间的推移,该数字线性增长,而不是二项式模型中
1
Carol Alexander Market Risk Analysis第2卷
2022-10-08 11:17:52 5.38MB Market Risk Analysis
1
Abdullah Karasan - Machine Learning for Financial Risk Management with Python_ Algorithms for Modeling Risk-O'Reilly Media (2022)
2022-07-05 20:36:00 3.59MB 机器学习 python 人工智能 开发语言
1