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。