メールマガジン（経済用語解説） メールマガジン全体の目次 最近号のメールマガジン 第65回 時系列分析 共和分(コインテグレーション) 第63回 金融リテラシー 第62回 経済基礎数学(マクロ経済学編) 等比数列 第61回 インフレーション・ターゲティング 第60回 マイナス金利 第59回 チャート分析 第58回 ランダムウォーク 第64回 時系列分析 ARMAとARCH[top] 2003年12月16日更新 2003年11月07日発行 ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ 国経館 時系列分析 ＡＲＭＡとＡＲＣＨ メールマガジン No.123 ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ みなさん，こんにちは．笹山です． このメールマガジンは国際経済学科のメールマガジン「国経館」の１つとして， 国際経済学科のすべての学生に配
これまで、R で時系列解析を行ってきたので、Python でもできるよう手習いまで、コードを手で打ってみる。 1. ランダム・ウォーク と 移動平均線 時系列データ生成（ランダムウォーク系列） （参考） 分析技術とビジネスインテリジェンス 「Python：時系列分析（その１）」 上記サイトからスクリプトを借用します （※ plt.show() を最後に追加） import numpy as np randn = np.random.randn from pandas import * import matplotlib.pyplot as plt #■ランダムウォーク系列データの作成 ts = Series(randn(1000), index = DateRange('2000/1/1', periods = 1000)) ts = ts.cumsum() #■単純移動平均 長短のトレン
AR(1)モデルでの自己相関（Autocorrelation）プロットと偏自己相関（Partial Autocorrelation）プロット ここからは、「過去の値とどの程度の相関があるか」を定量的に評価するための手法である自己相関（Autocorrelation）プロットと偏自己相関（Partial Autocorrelation）プロットを見てみましょう。 自己相関は、当日以前のデータの影響をどの程度受けているか（相関性があるか）を表すもので、偏自己相関は当日と該当日の2点の間の相関性を表すものです。 （1）のパラメータφ＝1.01の時の自己相関と偏自己相関のプロットを見てみましょう（In [30]～In [37]）。 In [28]: # 前のグラフを閉じる In [29]: plt.close() In [30]: # 自己相関（Autocorrelation）プロット In [3
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
処理を実行中です
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く