yugao1986的专栏

Aim: Find oˆ such thatProblem: Analytic solution of likelihood equations not always available. Example: Censored exponentially distributed observations Suppose that  and that the censored time

很多书阐述了EM algorithm的原理，直接点可以在维基百科上找到它的基本情况：http://en.wikipedia.org/wiki/Expectation%E2%80%93maximization_algorithm。EM算法分两步走即E步和M步，和很多书本和文章中一样，维基中只给出了核心结论，至于其中的数理逻辑关系并没有给出，需要探究EM算法的推导过程可以参考JerryLead

维基百科的定义：http://en.wikipedia.org/wiki/Gibbs_sampling我们假设一个随机的二元变量(x,y)，然后计算其中一个或全部的边缘分布p(x),p(y)。这种抽样思想是考虑条件分布p(xly),p(ylx)，比通过联合密度p(xy)来计算求解简单,例如首先，我们要进行初始化y0，然后通过条件概率P(xIy=y0)计算得出x0,然后再基于x0的条

*4）市场的有效性检验—游程检验：1) 对分笔成交价格的变化进行计数。当发生持续同方向变化时我们记这些持续的变化为一次连续；2) 统计样本内正向连续和负向连续的累积次数u。统计样本内正向变化次数n1和负向变化的次数n2。3) 如果价格变化是随机的，则发生连续的次数的期望值为:e=(2*n1*n2)/(n1+n2)+1,s=sqrt((2*n1*n2(2*n1*n2-n1-n2)/(

*1) 均线化因为行情的日内高频价格序列波动比较剧烈，看起来也几乎是杂乱无章的，所以我们为了捕捉趋势需要过滤掉一些干扰的噪声，均线是过滤微小扰动的一种常用的方式，而且也适合用于捕捉趋势。我们将A 个连续的数据取均值，形成MA(A)，在本文所作测试中A 取为10，下文都称经过均值化的数据位MA(10)。由于采用的原始价格序列是6 秒高频数据，所以均线化后的数据类似于60 秒价

#Plotting in preparation for the ImpSamp function.  Suggests ideal g* would be an unusual distributionx=seq(-3,3,by=.1)gx=sqrt(abs(x/(1-x)))*dt(x,5)plot(x,gx,type="l")lines(x,dt(x,5),lty=2,col