- 博客(64)
- 收藏
- 关注
RSS订阅原创 HRP方法全文总结与模型流程解析
HRP（Hierarchical Risk Parity）通过引入层次化结构，结合图论与机器学习技术，解决上述问题。：HRP样本外方差（0.0671）显著低于CLA（0.1157）和IVP（0.0928）。：HRP权重集中度（前5大资产62.57%）低于CLA（92.66%），更抗特异风险。计算距离矩阵的欧氏距离，迭代合并最近邻资产/簇，更新距离（采用“最近邻”链接准则）。：权重分配符合资产管理者“自上而下”的决策逻辑（如从大类资产到个股）。：将资产按相关性层次化分组，形成树状结构（如系统树图）。
2025-03-24 23:10:46
432
原创 马科维茨均值—方差理论推导过程
下面给出一个详细的、符号严谨、公式连贯的马科维茨均值—方差理论推导过程，假设你输入了 nnn 列股票的历史收盘价数据。我们从数据符号的定义开始，逐步构建所有公式，并详细解释每个符号的意义。
2025-03-23 22:19:30
299
原创 N列股票收盘价为起点的马科维茨（Markowitz）均值—方差理论
首先计算各股票的收益率，得到历史收益数据。求出每只股票的平均收益率和收益率之间的协方差矩阵。根据投资者的风险偏好，通过设定投资组合权重，计算组合的预期收益和风险（方差）。利用二次规划方法，在给定收益目标下最小化风险（或反过来最大化收益），得出一系列最优组合。绘制有效前沿，进一步考虑无风险资产的加入，形成资本市场线，提供更全面的资产配置方案。马科维茨理论为现代投资组合管理提供了一个系统化的框架，虽然在实际应用中需要考虑更多实际因素，但它奠定了资产配置与风险管理的理论基础。
2025-03-23 22:01:41
494
原创 基于 MATLAB 的 ANOVA 特征选择与可视化
特征选择在机器学习和统计建模中起着至关重要的作用，它能够提高模型的效率，减少过拟合，并增强模型的可解释性。本文介绍了一种基于方差分析（ANOVA）的特征选择方法，涵盖数据加载、特征评分、统计筛选和可视化，提供了一种稳健的特征筛选框架，以优化回归数据集的建模效果。
2025-03-22 10:12:15
275
原创 Regional Market Integration Analysis
【代码】Regional Market Integration Analysis。
2025-03-20 13:22:04
759
原创 Matlab多种算法解决未来杯B的多分类问题
本文使用 MATLAB 实现了 8 种分类模型，并进行了训练、预测和评估。通过混淆矩阵和精度可视化，帮助选择最优模型。我们将 80% 的数据用于训练，20% 用于验证。我们选取 8 种常见分类模型，并存储预测结果。将预测结果保存为 Excel 文件。
2025-03-14 15:48:57
691
原创 MATLAB 实现 Cox 生存分析与风险分组：完整代码与解析
在生存分析中，Cox 比例风险回归模型（Cox Proportional Hazards Model）是一种常用的统计方法，可用于评估多个变量对生存时间的影响。自定义函数绘制 Kaplan-Meier 生存曲线，观察不同风险组的生存情况。为了检验不同风险组的生存率是否存在显著差异，我们使用 Log-Rank 检验。在 MATLAB 中，使用。首先，我们创建一个模拟数据集，包括生存时间（Cox 模型的线性预测值（风险评分）计算。评分（反映患者体能状况）。Cox 模型用于评估。
2025-03-14 15:29:38
547
原创 自定义正态分布区间划分与可视化
正态分布在统计学和数据分析中扮演着至关重要的角色。许多自然现象，如身高、智商、市场需求等，都符合正态分布。在实际应用中，我们通常希望对数据进行区间划分，以便更好地理解其分布情况。例如，在创新扩散理论中，市场用户可以根据采用新技术的时间划分为不同群体。本文通过 MATLAB 绘制 正态分布曲线，并自定义 五个区间 进行颜色填充，以直观展示不同群体的分布情况。
2025-03-04 11:05:56
419
原创 基于价格变动的市场分割指数分析
市场分割程度是衡量经济一体化的重要指标之一。本文通过构建相邻省市商品价格的相对变动模型，分析不同地区之间的市场分割情况，并计算市场分割指数的变化趋势。本文来自对论文的复现：赵儒煜, & 孙宁志. (2019). 市场分割结构及其对区域经济的影响. 南昌大学学报(人文社会科学版),50,(6), 33-44.
2025-03-04 11:01:16
476
原创 MATLAB拟合算法：如何使用 MATLAB 进行多组数据的高斯拟合分析
通过这段 MATLAB 代码，我们能够对多个组别的数据进行高斯拟合，提取拟合参数（振幅、均值、标准差），并生成拟合曲线的可视化图。R² 值作为拟合优度的一个指标，帮助我们评估拟合的质量。在实际应用中，这种高斯拟合可以广泛应用于信号处理、统计分析、物理实验数据分析等领域。close all% 导入数据data = readtable('拟合1.xlsx', 'ReadVariableNames', false);% 删除缺失值% 获取唯一组别% 遍历每个组别进行拟合。
2025-02-18 15:44:15
831
原创 * 和 .* 的区别（MATLAB）
在 MATLAB 中，和.*都是用来进行乘法操作的运算符，但它们有不同的应用场景。我们将从数学和编程的角度详细解析这两者的区别，并且讲解 MATLAB 中运算符的其他常见用法。
2024-12-17 23:57:17
1507
原创 DEA专用散点图（适用NSGA-II可）
归一化是通过将每个坐标除以其最大绝对值来完成的。第三列为z坐标，只能为0或1，链接为1的点。函数绘制散点图，并用黑色线条将。：为了消除量纲的影响，我们对。值为1的点连接起来。
2024-12-10 11:50:20
301
原创 在MATLAB中绘制带有基于距离的点大小和颜色的散点图
在本文中，我们将展示如何使用MATLAB从Excel文件中导入数据，创建散点图，并根据每个数据点离原点的距离来调整点的大小和颜色。最后，我们还将优化图形样式，以便符合SCI论文的标准。
2024-12-10 09:58:51
652
原创 使用 MATLAB 绘制三维散点图：根据坐标和距离映射点的颜色和大小
每个子图中的点的颜色和大小将根据 X、Y、Z 坐标值及其离原点的距离进行映射。为了使每个点的大小与数据的某些特征相关联，我们可以根据坐标的值或者离原点的距离来调整点的大小。例如，可以将 X、Y、Z 的值映射到点的大小，或者根据每个点到原点的距离来调整大小。函数，可以用来绘制三维散点图，而通过调整点的颜色和大小，可以进一步增强图形的表现力。函数的第二个参数来指定每个点的颜色，颜色将根据不同的坐标或距离值进行映射。接下来，我们将绘制四个子图，每个子图展示不同的映射方式。函数允许我们根据数据的值映射点的颜色。
2024-12-06 10:55:57
1465
原创 判断正态分布+相关性分析一键进行Matlab代码
导入数据：读取 Excel 文件中的数据，每一列代表一个变量。正态性检验：根据数据的行数选择合适的正态性检验方法。若行数小于 50，使用 Shapiro-Wilk 检验。若行数大于等于 50，使用 Anderson-Darling 检验。相关性分析：根据正态性检验结果，选择使用皮尔逊相关系数（对于符合正态分布的数据）或斯皮尔曼等级相关系数（对于非正态分布的数据）进行相关性分析。保存结果：将相关性矩阵保存到新的 Excel 文件中。
2024-11-30 22:39:52
852
原创 正态分布检验（MATLAB）
小样本（n < 50）：推荐使用Shapiro-Wilk 检验。中等样本（50 <= n < 100）：可以使用Kolmogorov-Smirnov 检验或Anderson-Darling 检验。大样本（n > 100）：推荐使用Anderson-Darling 检验或Jarque-Bera 检验。每种方法的适用场景和优缺点都不同，通常需要结合具体问题和样本大小来选择合适的方法。如果你有任何具体的样本数据需要进行检验，或者在实现过程中有疑问，随时可以告诉我！VIP AI Discord 社区这里。
2024-11-30 22:10:16
1536
原创 我的创作纪念日
创作已然成为我生活的一部分，它与工作、学习相辅相成，相互促进。通过合理安排时间与任务，我能够平衡创作与日常工作生活，让它们成为彼此的催化剂，而不是冲突的源泉。希望通过这篇文章，能够激励更多的朋友在自己的技术道路上，找到创作的乐趣与意义。如果你也有类似的经历，或者有任何关于平衡创作和工作的技巧，欢迎在评论区与我分享。我们一起进步，一起成长！
2024-11-27 14:53:07
909
原创 使用LSTM网络实现单列时间序列预测
时间序列预测在许多领域都非常重要，如天气预测、股票价格预测等。本篇博客将介绍如何使用MATLAB中的长短期记忆（LSTM）网络，针对单列时间序列数据进行预测。本代码使用LSTM网络成功实现了时间序列预测任务，相比传统的BP神经网络，LSTM能够更好地捕获时间序列中的长期依赖关系，从而提升预测精度。希望这篇博客能为您的时间序列预测任务提供有效参考！
2024-11-23 11:31:50
534
原创 使用BP神经网络进行单列时间序列预测
本代码展示了使用BP神经网络预测单列时间序列的完整流程，适用于小型时间序列的建模和分析。结合丰富的性能评估与可视化，能帮助用户快速验证模型效果。在数据科学和人工智能领域，时间序列预测是一个关键问题。这篇博客将介绍如何使用MATLAB和BP（反向传播）神经网络预测单列时间序列。归一化将数据压缩到[0, 1]范围，提升训练效率并防止数值波动影响模型。希望这篇文章能为您的时间序列预测任务提供实用参考！优化算法高效处理小型数据集。使用10个隐藏层神经元，
2024-11-23 09:23:46
565
原创 亚太杯数学建模C题思路与算法(2024)
简单线性回归：如果数据经过分析后呈现出明显的线性增长或下降趋势，以年份为自变量，宠物行业指标（如饲养量、消费额）为因变量建立简单线性回归模型 y = a*x + b （y为预测指标，x为年份，a和b为待估计参数）进行预测。投入 - 产出分析：分析宠物食品行业在国民经济中的地位以及与其他行业的关联，结合关税政策变化，计算对宠物食品行业的生产、出口等环节的直接和间接影响。灰色预测模型GM(1,1)：如果数据量有限，且系统的不确定性较大，灰色预测模型可以基于少量数据挖掘出数据的内在规律，对宠物食品需求进行预测。
2024-11-21 08:00:43
2371
原创 风电电力系统低碳调度论文阅读第三期
线路传输容量约束是电力系统中用于确保电网安全和稳定运行的重要约束条件。该约束用于限制通过电力线路的功率流动，使其不超过线路的最大传输能力，从而防止过载情况的发生。具体讲解如下：在线路传输容量约束中，节点 iii 和节点 jjj 之间的功率传输受以下条件限制：在电力系统调度和运行中，传输容量约束用于优化和仿真功率分配，确保：通过严格遵守这些容量约束，可以提高电网的可靠性，防止因过载引起的故障和损坏。
2024-11-18 09:24:27
236
原创 风电电力系统低碳调度论文阅读第二期
火电机组的最大向下、向上爬坡速率指的是火电机组在负荷调整时每单位时间内的最大调节速率。这些速率指标反映了火电机组调节负荷的灵活性和快速响应能力，对电网调度和稳定性具有重要意义。较高的爬坡速率意味着机组可以更快地响应负荷需求的变化，从而更好地适应电力系统的波动。CHP（Combined Heat and Power，热电联产）机组的运行需要同时满足电功率和热功率的上下限约束，同时还需考虑机组的爬坡速率约束。
2024-11-18 08:59:12
477
原创 风电电力系统低碳调度论文阅读第一期
历史法：基于历史排放量，分配具有较强的公平性但可能缺乏激励减排。基准线法：基于行业基准和生产量，更能促进整体技术进步和减排。这两种方法各有优劣，实际应用中可能会结合使用或进行适当调整以平衡公平性和激励作用。
2024-11-17 23:57:16
276
原创 随机森林（Random Forest, RF）筛选回归数据（处理异常值）
调整分位数会影响异常检测的严格性。高分位数意味着更保守的清理，删除更少的数据，适合希望尽可能保留数据的应用；低分位数则意味着更严格的筛选，适合希望消除尽可能多异常数据的应用。选择合适的分位数应根据数据特征和具体应用需求进行。
2024-11-17 22:26:08
1342
原创 异常值检测：SOS算法（Stochastic Outlier Selection Algorithm）MATLAB代码
SOS算法（Stochastic Outlier Selection Algorithm）是由Jeroen Janssens提出的一种无监督异常检测算法。该算法通过计算数据点之间的关联度（affinity）来识别异常点。核心思想是，如果一个点与其他所有点的关联度都很低，那么它被视为异常点。以下是该算法的详细公式和步骤：其MATLAB代码如下：用于导入data.xlsx文件，使用除最后一列外的特征矩阵来检测并删除异常值，并将清理后的数据保存为新的 Excel 文件。
2024-11-16 23:57:23
931
原创 MATLAB 车牌识别代码讲解
这段代码通过一系列图像处理技术，完成了车牌图像的读取、处理和分析。具体来说，包括图像的去噪声、灰度直方图计算、局部极大值点查找、二值化处理以及轮廓增强。这样的处理流程为后续的车牌识别算法奠定了基础，能够有效提高识别的准确率。希望本篇讲解能帮助大家更好地理解这段 MATLAB 代码的实现原理与应用。如果有任何问题，欢迎随时讨论！
2024-11-04 23:24:04
871
原创 Spearman相关系数和P值计算的MATLAB代码
运行这个代码后，您将得到两个Excel文件：一个包含Spearman相关系数，另一个包含对应的P值。
2024-10-30 15:38:11
485
HRP（Hierarchical Risk Parity）论文原文
2025-03-24
PCA-FCM创新算法MATLAB代码和测试数据
2024-10-07
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人