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。