weixin_39982225的博客

原创 python pandas 读取excel表格

python读取excel表格方法对比

原创 机器学习面试-常见题目

机器学习常见面试问题汇总

原创 SQL（一）基本语法

【代码】SQL基本语法。

原创 使用【画图】软件修改图片像素、比例和大小

打开电脑画图软件，点击开始 » windows附件 » 画图。保存调整之后的照片，点击文件 » 另存为 » JPEG图片。照片在画图软件中打开后，对照片进行调整。在弹出的窗口中选择需要保存的路径并输入新文件名。在画图软件里选择需要调整的照片，点击文件 » 打开。确定后照片会根据设定的值自动调整。在弹出窗口中选择照片后点击打开。

原创 量化面试-概率题

一个口袋内有10个红色球，20个蓝色球，30个绿色球，随机地把球一个一个取出来，请问红色球最先被拿完的概率？

原创 R语言基操

R语言使用基本操作汇总

原创 python Copula 模型实现

python实现Copula建模

转载 python archResult 参数介绍

arch model result的使用

原创 python 如何计算差分

如何在python中计算n阶差分与n步差分

原创 分类变量、有序变量、数值变量差异分析（二）t检验

t检验属于参数方法中假设检验方法，主要包括单样本t检验、独立样本t检验和配对样本t检验等，美中适用于不同情形。单样本t检验单样本t检验的意义在于检验序列X1X_1X1​的均值能否视作等于S0S_0S0​，最常见的例子是检验一个班的平均身高是否等于某个值。H0:E(X1)−S0=0H_0: E(X_1)-S_0=0H0​:E(X1​)−S0​=0当显著性水平α\alphaα为0.05时，若P值小于0.05则拒绝原假设，认为该班平均身高E(X1)E(X_1)E(X1​)与S0S_0S0​有显著性差.

原创 《巴菲特致股东的信》十年期固定行使价格期权对公司的侵蚀-计算过程演示

停滞公司CEO弗莱德·徒劳（巴老牛批）收到几乎相当于公司1%股权的一大把期权，此时符合徒劳先生自身利益的路径非常清楚：他应该让公司所有盈利都用于回购该公司股份而不用于分红。假设徒劳先生被授予期权后的10年内，每年公司都以100亿美元的净资产盈利10亿美元，期初总股本为1亿股，那么期初时每股净利润为10美元。徒劳先生期权则为1000万股。净资产：net asset盈利：profit总股本：general capital每股净利润：earnings per sharedef shareOptio

原创 分类变量、有序变量、数值变量差异分析（一）总览

原创 R语言计量（一）：一元线性回归与多元线性回归分析

一、数据调用与预处理本文使用的数据为R语言自带数据集“iris”。iris数据集包含5个变量：数值变量：Sepal.Length, Sepal.Width, Petal.Length, Petal.Width,分类变量：Species以下简述掉用过程和数据处理步骤。data（"iris"）# 运行后 Environment 中的 Data 就会出现iris数据集#分类变量Species处理iris$isSetosa <- ifelse(iris$Species == 'setosa',

转载 visual studio 运行python程序过程

VS创建Python项目VS 和 PyCharm、Eclipse 一样，也是通过项目来管理 Python 源代码程序文件的。VS 创建 Python 项目的过程如下。首先打开 VS，在菜单栏中依次选择“文件 -> 新建 -> 项目”（如图 1 所示），打开新建项目对话框。ctril + shift + n 也可以打开这个窗口图 1 VS 打开新建项目窗口示意图新建项目对话框如图 2 所示，依次选择“Python -> Python应用程序”，并为新建项目起名（比如为

原创 python--中文分词与词云制作--入门笔记（附停用词库及Mac字体资源）

这里写自定义目录标题一、中文分词基本说明二、停用词库、自定义词典的使用（一）停用词（二）自定义词典三、词云绘制四、中文字体的使用说明（一）Mac 字体使用说明五、附件（一）ttf字体文件资源（二）停用词库

原创 R语言时序-AR、MA与ARMA的判断及定阶

一、模型判断与定阶模型判断：Step1 看ACF图： ACF截尾：判断为MA(q)模型，q为最后一个超出2倍标准差（蓝线）的阶数 ACF拖尾：可能为AR(p)模型也可能为ARMA(p,q)模型Step2 看PACF图： PACF截尾：AR(p)模型，p为最后一个超出2倍标准差（蓝线）的阶数 PACF拖尾：ARMA(p,q)模型，ACF和PACF看不出阶数，通过eacf定阶注1：ACF图第一根竖线的阶数为零，MA(1)有两根竖线超出蓝线，但第二根的阶数是1不

原创 Mac OS 系统 latex 转 word

大概说下几种方法的效果，各位自己选择。方法一：pdf 转 word最简单但是也最麻烦的方法。pdf 转 word 可以直接在 WPS 和 MS-office 里进行，但是最大的bug 是公式和表格肯定就都废了。一个一行的公式可能会变成三页；表格不存在的，表内文字都是堆在一起的文本。标题编号和文本格式也转不过来，图片过不来，不过图标标题的编号还在。如果公式表格少的话（虽然一般没有这种如果），把 latex 公式输到 mathtype 里带一下（one by one），图片自己再粘，表格重做一下。如果公式

原创 python：如何以分数形式输出矩阵 & 矩阵乘法规则（以OLS为例）

分数形式输出设定：from fractions import Fractionnp.set_printoptions(formatter={'all':lambda x: str(Fraction(x).limit_denominator())})矩阵乘法：import numpy as npA = np.array([ [1,-1,1], [1,1,1], [4,2,1], [9,3,1] ])B = np.array([ [0.5],

原创 Latex longtable宏包与自动续表

用latex写文有时候会碰到比较大的表格，对于很宽但又不长的表格可以使用rotfloat宏包的sidewaystable环境来插入旋转90度后的表格，如：%导言区：\usepackage{rotfloat}\begin{sidewaystable}\centering\begin{tabular}{ccccccccccccccccccccccccccccccc} ...\end{tabular}\end{sidewaystable}对于不宽但很长的表格可以用longtable宏包来进

原创 Montecarlo Methods

文章目录 Montecarlo Methods 1 原理介绍 1.1 Pseudo-Code 介绍原理 1.2 模拟误差 2 模拟应用 2.1 估计π\piπ 2.2 欧式看涨期权-European call option 2.3 亚式看涨期权-Asian (Average Value) Call Option Montecarlo Methods 1 原理介绍key: to estimate the expected values of dependent variables.

原创 随机过程笔记（二）：布朗运动

Brown Motion

原创 python (List, Tuple, Set, Dict, Array, Series, df)等各类型变量对比与运算

python (List, Tuple, Set, Dict, Array, Series, df)等各类型变量对比与运算。

原创 随机过程笔记（一）：基本概念梳理

文章目录1 符号与基本定义2 随机过程的拆解与刻画2.1 有限维分布 —— 完整地刻画随机过程2.2 数字特征 —— 刻画随机过程的关键性质3 随机过程的基本类型1 符号与基本定义Ω\OmegaΩ, sample space, 样本空间Ω={ω1,ω2,...}\Omega = \{\omega_1, \omega_2, ...\}Ω={ω1​,ω2​,...}ω\omegaω, sample point / observation : ω∈Ω\omega \in \Omegaω∈ΩF\maths

原创 LaTex 题注语言/字体切换

renewcommand{\figurename}{图}

原创 LaTex 二元运算与关系符号、大型运算符、数学符号、特殊字符、希腊字母、各种括号和矩阵的编码（持续更新中）

数学符号求和∑i=0n\sum_{i=0}^n∑i=0n​ 、连乘 ∏i=0n\prod_{i=0}^n∏i=0n​、积分∫ab\int_{a}^{b}∫ab​、二重积分∬\iint∬ sum_{i=0}n，\prod_{i=0}n，\int_{a}^{b}，\iint .乘×\times× 、除÷\div÷、分数12\frac{1}{2}21​、开方ab\sqrt[b]{a}ba...

原创 LaTeX汉语环境模版（Mac）

设定中文环境%!TEX program = xelatex%!TEX TS-program = xelatex%!TEX encoding = UTF-8 Unicode设定类型（article）12pt=小四号字，article模式下可这里还可以设定8pt和10pt字号a4paper设定纸张大小，如a3paper，a5paper等\documentclass[12pt, a4pa...

原创 分类变量、有序变量与数值变量相关性分析方法总结及 R 语言应用

一、数值变量相关性分析Pearson相关系数Pearson相关系数度量了两个连续变量之间的线性相关程度「R语言」-> cor( x1,x2,method=‘pearson’)Spearman相关系数Spearman等级相关系数可以衡量非线性关系变量间的相关系数，是一种非参数的统计方法，可以用于定序变量或不满足正态分布假设的等间隔数据；「R语言」-> cor( x1,...

原创 多重共线性的诊断与对策

多重共线性的确认：做出自变量间的相关系数矩阵：如果相关系数超过0.9的变量在分析时将会存在共线性问题。在0.8以上可能会有问题。但这种方法只能对共线性作初步的判断，并不全面。【1】容忍度（Tolerance）:有 Norusis 提出，即以每个自变量作为应变量对其他自变量进行回归分析时得到的残差比例，大小用1减决定系数来表示。该指标越小，则说明该自变量被其余变量预测的越精确，共线性可能就越严重...

原创 主成分分析法（PCA）与python实现

如何用python实现主成分分析法降维（PCA）一、最基础的主成分分析（PCA）基本代码from sklearn.decompositon import PCAclfPca = sklearn.decomposition.KernelPCA( n_components=None, #主成分个数【default = None】 kernel='line...

原创 stata门限回归（门板回归）代码解读

门限回归（门板回归）代码解读因变量：Y自变量： X1, X2, X3, X4, X5门限变量：X31. Stata（1） threshold基础格式：threshold depvar [indepvars] [if] [in], threshvar(varname) [, options]解读depvar： 被解释变量indepvars：解释变量if ：条件in ：范...

原创 Python绘图一条龙--大小/坐标/标签/多图布局/配色方案等

Python.sns画图参数收藏一、五大主题风格seaborn有五种主题风格：darkgrid，whitegrid，dark，white，ticks·whitegrid: 白底，黑色网格线·white：纯白底·darkgrid：灰底，白色网格线·dark：灰色纯色底·ticks：感觉跟white一样啊，没看出来区别…具体代码：style = 'whitegrid'sns.set...