云金杞

import statsmodels.api as smdef get_halflife(s): s_lag = s.shift(1) s_lag.iloc[0] = s_lag.iloc[1] s_ret = s - s_lag s_ret.iloc[0] = s_ret.iloc[1] s_lag2 = sm.add_constant(s_lag) model = sm.OLS(s_ret,s_lag2) res = model.fit.

from statsmodels.graphics.tsaplots import plot_acf, plot_pacffrom statsmodels.tsa.stattools import adfullerimport pandas as pdimport numpy as npimport osimport statsmodelsimport statsmodels.formula.api as sm### 省略很多数据处理# 对near和far进行协整检验simple =.

正在读的参考数目是古扎拉蒂的《计量经济学基础第五版》，主要讲的是经典计量经济学，用的是最小二乘法来估计经典线性回归方程的参数。极大似然估计也可以用于估计，总结下极大似然估计的原理和方法，以及如何用于经典线性回归方程的估计。首先，什么是极大似然估计？虽然很多理论是基于极大似然估计的，但是，要强调的是，极大似然估计忽略了小概率事件的发生，是一种粗略的估计方法，在应用于金融模型的过程中，...

入坑计量经济学（重新学习一遍，大学学的计量太简单了，只是操作软件，对于计量模型理解很浅，这一次关注核心的原理、公式的推导，python在计量经济学中的应用）...