- 综合排序
- 最热优先
- 最新优先
- 来自专栏育种数据分析之放飞自我
相关性分析和相关性分析可视化常用方法汇总
2.1 PerformanceAnalytics包中的chart.Correlation 代码如下： library(PerformanceAnalytics) chart.Correlation(dd complete.obs") cor.test(dd[,1],dd[,2]) library(Hmisc) dd = as.matrix(dd) rcorr(dd) # 相关系数可视化 library(PerformanceAnalytics
2.7K10编辑于 2022-01-04 - 来自专栏育种数据分析之放飞自我
相关性分析及其可视化：copy&paste，搞定
2.1 PerformanceAnalytics包中的chart.Correlation 代码如下： library(PerformanceAnalytics) chart.Correlation(dd complete.obs") cor.test(dd[,1],dd[,2]) library(Hmisc) dd = as.matrix(dd) rcorr(dd) # 相关系数可视化 library(PerformanceAnalytics
55240编辑于 2022-05-19 - 来自专栏优雅R
「R」数据可视化13 : 相关性图
2）如何作图 本次介绍两个R包：corrplot和PerformanceAnalytics。首先介绍corrplot包。 接下来我们来简单讲一下另一个PerformanceAnalytics包。 library(PerformanceAnalytics) my_data <- mtcars[, c(1,3,4,5,6,7)] chart.Correlation(my_data, histogram
3.2K20发布于 2020-07-06 - 来自专栏小明的数据分析笔记本
R语言相关性分析简单小例子
另外一种展示方法 install.packages("PerformanceAnalytics") library(PerformanceAnalytics) chart.Correlation(df,
2.2K40发布于 2020-04-14 - 来自专栏数据驱动实践
R语言 相关性分析与检验
上图2 # install.packages("PerformanceAnalytics")library(PerformanceAnalytics)chart.Correlation(dt,histogram
5K20发布于 2020-07-10 - 来自专栏量化投资与机器学习
因子建模（附代码）
还有其他方法计算，但是对于单因子模型我们可以从PerformanceAnalytics包中使用CAPM.alpha。 ? 比我们刚刚做的要简单多了。 在研究了PerformanceAnalytics包中的CAPM.beta函数之后，我们注意到它们具有CAPM.beta.bull和CAPM.beta.bear的函数，因此我想看看每项资产的绘制出来如何。 这次只用PerformanceAnalytics包中的CAPM.beta和CAPM.alpha函数。 ? 根据它们的值排名了ETF’s。
2.1K20发布于 2020-02-20 - 来自专栏临床预测模型
多重共线性检测—相关性系数矩阵和方差膨胀系数(VIF)分析学习
相关性系数矩阵#相关性系数矩阵colnames(dat_test)library(PerformanceAnalytics) chart.Correlation(dat_test[,c(4:41)],
2.2K30编辑于 2024-09-04 - 来自专栏CDA数据分析师
译文 | 量化投资教程：投资组合优化与R实践
在本文中,我们将重新分析和图形化展示我们的结果： 首先，用如下函数来获取ETF的回报序列 require(fImport) require(PerformanceAnalytics) # 将股票数据加载到一个时间序列对象的函数 相关代码： require(fImport) require(PerformanceAnalytics) require(tseries) require(stats) options(scipen=100 require(polynom) require(fImport) require(PerformanceAnalytics) require(tseries) require(stats) from
2.3K81发布于 2018-02-24 - 来自专栏PPV课数据科学社区
【R系列】概率基础和R语言
R语言：计算10000个正态分布的样本的偏度 > library(PerformanceAnalytics) > S<-rnorm(10000) > skewness(S) [1] -0.00178084 R语言：计算10000个正态分布的样本的峰度，(同偏度的样本数据) > library(PerformanceAnalytics) > kurtosis(S) [1] -0.02443549 > hist
2.6K80发布于 2018-04-20 - 来自专栏生信小驿站
R 相关性分析
3. scatter plots library(PerformanceAnalytics) chart.Correlation(mtcars,histogram = TRUE,pch=19) ?
1.6K41发布于 2018-08-27 - 来自专栏DT数据侠
“中国数字营销地铁图”发布！为你呈现最前沿的营销生态体系
内容评估（Content Analytics） 社交洞察（Social Insight） 营销分析（Marketing Analytics） 广告监测（Ad Measurement） 营销效果分析（PerformanceAnalytics
1.3K20发布于 2018-08-23 - 来自专栏量化投资与机器学习
MLQuant：基于XGBoost的金融时序交易策略（附代码）
2 导入相关库文件 require(PerformanceAnalytics) library(data.table) library(dplyr) library(tibble) library(TTR
3.7K41发布于 2020-09-14 - 来自专栏数据派THU
独家 | 不同机器学习模型的决策边界（附代码）
packages: ## [1] tidyquant_0.5.7 quantmod_0.4-15 ## [3] TTR_0.23-6 PerformanceAnalytics
2.3K40发布于 2020-04-14 - 来自专栏PPV课数据科学社区
R语言知识体系概览
R语言对于金融也有很好的支持，时间序列包(zoo、xts、chron、its、timeDate)、金融分析(quantmod、RQuantLib、portfolio、PerformanceAnalytics
1.3K70发布于 2018-04-19 - 来自专栏拓端tecdat
R语言股票市场指数：ARMA-GARCH模型和对数收益率数据探索性分析
每日交易量对数比率探索性分析 与对数收益类似，我们可以将交易量对数比率定义为 vt：= ln(Vt/Vt−1) 我们可以通过PerformanceAnalytics包中的CalculateReturns
1.8K20发布于 2021-01-28 - 来自专栏拓端tecdat
R语言股票市场指数：ARMA-GARCH模型和对数收益率数据探索性分析|附代码数据
每日交易量对数比率探索性分析 与对数收益类似，我们可以将交易量对数比率定义为 vt：= ln(Vt/Vt−1) 我们可以通过PerformanceAnalytics包中的CalculateReturns
88710编辑于 2022-11-01 - 来自专栏拓端tecdat
R语言股票市场指数：ARMA-GARCH模型和对数收益率数据探索性分析|附代码数据
每日交易量对数比率探索性分析 与对数收益类似，我们可以将交易量对数比率定义为 vt：= ln(Vt/Vt−1) 我们可以通过PerformanceAnalytics包中的CalculateReturns
1K00编辑于 2023-04-22 - 来自专栏拓端tecdat
R语言股票市场指数：ARMA-GARCH模型和对数收益率数据探索性分析|附代码数据
每日交易量对数比率探索性分析 与对数收益类似，我们可以将交易量对数比率定义为 vt：= ln(Vt/Vt−1) 我们可以通过PerformanceAnalytics包中的CalculateReturns
1.3K00编辑于 2023-02-21
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号