python数位分离,python四分位数

  python数位分离,python四分位数

  介绍

  功能介绍

  分位数敏感的未来因果检验:计算每个分位数区间的Sup-Wald统计量。

  分位数VAR模型估计:自回归分布滞后模型

  脉冲响应函数计算

  绘制各轨迹的脉冲图

  代码实现原理

  用pyqt5生成GUI界面

  使用统计模型的分位数回归

  用熊猫将结果保存在excel文件中。

  显示

  主窗口界面

  主要包括:

  工具栏:

  导入数据:点击此按钮,选择导入数据的路径。如果没有要导入的数据,默认情况下将导入测试数据。

  开始:点击后,进行分位数敏感的未来因果关系检验,计算Sup-wald统计量。

  运行:单击以终止程序。

  查看数据:点击〖查看〗按钮,导入数据。

  初始化:点击初始化每个参数设置。

  QVAR估计:点击设置QVAR模型的参数。

  设置间隔:设置间隔起点、中点、数字和生成间隔按钮。

  注:数字是点数。例如,如果设置17个点,将产生16个分位数区间。

  示例:

  起点=0.1,终点=0.9,数字=2,则生成区间:[0.1,0.9]

  如果起点=0.1,终点=0.9,数=3,则生成区间:[0.1,0.5],[0.5,0.9]

  参数设置

  日期:如果选中,第一列是一个日期序列,在计算wald统计时将被删除;如果未选中,将不会删除第一列数据。

  设置模式:代表循环模式,默认模式为每个市场单因子。

  注:数据应按模式排序。

  假设p=1,q=2,估计方程的形式为:Y=c1 c2Y-1 c3X-1 c4X-2。

  方式选择

  内容描述

  数据分类

  计算规则描述

  每个市场的单一因素

  研究单个因素与各个市场的因果关系,比如房价与股市、汇率市场的因果关系。

  数据=[X,Y1,Y2,Y3]

  回归到XY1回归到xy2回归到XY3

  交易

  研究两个因素之间的因果关系,比如房价与股市、汇率市场的互为因果关系。

  数据=[X,Y1,Y2,Y3]

  回归到XY1回归到xy2回归到XY3回归Y1xY1回归Y2;Y1到Y3回归;.

  多因素对单一市场

  研究多个因素与单一市场的因果关系,比如各种情绪与汇率市场的因果关系。

  数据=[X1,X2,X3,Y]

  X1到y回归,X2到y回归;X3回归到y

  信息准则:指为确定最优滞后阶数而选择的信息准则,包括AIC或BIC准则。

  AIC(p,q)=lnS() (p q 1)/T

  BIC(p,q)=lnS() (p q 1)lnT/(2T)

  其中S()表示分位数非对称绝对值残差的和,T是样本大小,P和Q是滞后阶数。

  滞后的估计:在计算最优滞后阶数时,需要计算分区间的AIC/BIC值,选择该区间内最小AIC/BIC值对应的滞后阶数作为最优滞后阶数。此参数是在整个分位数区间内选择和计算的分位数,默认选择30个点。

  最大订单:表示选择的最大滞后订单,默认选择5个订单。

  Wald估计:计算wald统计量时,选择分位数区间内要计算的分位数个数,默认选择1000点。

  有效数字:表示保留的小数位数;默认情况下,保留三位小数。

  输出日志:如果选中,显示运行细节。txt文件将被输出,这是默认选中的。

  预估信息显示:显示运行信息。

  QVAR估计接口

  工具栏:

  开始:点击估算QVAR模型。

  绘制脉冲图:点击计算各轨迹的脉冲响应示意图。

  导入数据:要添加控制变量,点击此按钮导入控制变量的数据集。

  滞后订单

  p:被解释变量y的滞后阶

  问:解释变量x的滞后阶。

  数量:默认选择5个分位数[0.1,0.25,0.5,0.75,0.9]。

  :单击添加分位数。

  :单击以减少分位数。

  注:最多计算10个分位数。

  控制变量:添加了控制变量的回归公式。

  显示信息:显示提示信息。

  使用

  步骤1:在当前路径下的命令行中输入:

  python main.py

  提示:在当前文件夹中,右键单击cmd或shell打开命令行。

  第二步:点击导入数据按钮。

  如果输入成功,会有导入成功的提示。

  第三步:设置每个参数。

  第四步:点击开始运行按钮,等待程序运行完毕,结果保存在敏感的未来。运行结果文件夹下的xlsx文件。

  注:* * *、* *和*分别代表1%、5%和10%的显著水平。

  项目目录

   -分位数

  -beauty _ ui . py///美化GUI界面代码

  -func . py//主函数代码,定义分位数敏感的未来因果检验计算。

  -Main . py//主程序

  -readme . MD//描述文件

  -数据//数据保存文件夹

   -output . xlsx//测试结果文件

   -超级沃尔德_ lag.xlsx//check超级沃尔德的显著性文件

   -测试数据。xlsx //您可以使用这个文件来测试和查看结果。

   -运行details.txt//test日志

   - pyqt5接口//使用Qt Creator创建windows生成的文件。

   -GUI//主窗口

   -child _ GUI//子窗口

  -运行结果//运行结果存储文件夹

  代码的主体是main.py和func.py文件。

  估算原则

  函数使用简介

  使用statsmodels库的分位数回归命令:

  r公式用于拟合模型。

  公式

  解释

  例子

  ~

  分隔符,左边是响应变量,右边是解释变量。

  y ~ x

  添加变量

  y ~ x1 x2

  -

  移除变量

  Y ~ x-1(截距已移除)

  参数命令

  属性

  解释

  方法

  解释

  参考参数

  获取估计的参数值

  res.summary()

  显示估计的结果

  科学研究

  获取标准偏差

  res.cov_params()

  获取协方差矩阵

  剩余油

  获取残差

  res.f_test(x2=0 )

  沃尔德试验

  分位数敏感的未来因果检验的实现原理

  开发工具

  工具名称

  功能

  图标图标

  下载官网

  Qt创建者

  GUI可视化

  皮查姆

  代码编辑器

  Visual Studio代码

  代码读出器

  参考

  书籍:

  《Python Qt GUI 与数据可视化编程》

  《陈强高级计量经济学》

  文学:

  Koenker Machado1999推理量化器e

  非对称最小二乘估计和检验

  未知变点的参数不稳定性和结构变化试验

  房地产价格与汇率的联动研究—— ——基于分位数敏感性的未来因果检验

  基于分位数敏感未来因果关系的网络情绪与股市收益关系研究

  其他:

  Evis8帮助文件

  无形康乃馨分位数回归讲义

  许可证

  麻省理工学院热心市民斯通

郑重声明:本文由网友发布,不代表盛行IT的观点,版权归原作者所有,仅为传播更多信息之目的,如有侵权请联系,我们将第一时间修改或删除,多谢。

留言与评论(共有 条评论)
   
验证码: