金融时间序列(二)丨数析学院

2017 年 12 月 5 日 Datartisan数据工匠

点击上方

Datartisan数据工匠

可以订阅哦!

课程简介


在金融学中遇到的最重要数据类型之一是金融时间序列,即以日期时间为索引的数据。本节课程主要通过几个金融环境的案例,学习使用 Python 以及 Pandas 库进行时间序列建模分析。

学习目标


通过学习本节内容,希望读者掌握:

  • Pandas 库的 DataFrame、Series 对象的基本方法以及可视化功能

  • Pandas 中处理时间索引的方法

  • 读取来自 Web的数据、CSV 文件、高频数据,并进行规整

  • 使用一些指标、回归方法分析数据

二、金融数据处理



未完待续:

课程内容较多,请复制链接通过电脑学习,获得最佳学习效果。

 http://datacademy.io/lesson/187
更多课程和文章尽在微信号:

「datartisan数据工匠」

登录查看更多
9

相关内容

时间序列(或称动态数列)是指将同一统计指标的数值按其发生的时间先后顺序排列而成的数列。时间序列分析的主要目的是根据已有的历史数据对未来进行预测。经济数据中大多数以时间序列的形式给出。根据观察时间的不同,时间序列中的时间可以是年份、季度、月份或其他任何时间形式。
【MIT深度学习课程】深度序列建模,Deep Sequence Modeling
专知会员服务
78+阅读 · 2020年2月3日
金融时序预测中的深度学习方法:2005到2019
专知会员服务
168+阅读 · 2019年12月4日
使用LSTM模型预测股价基于Keras
量化投资与机器学习
35+阅读 · 2018年11月17日
利用动态深度学习预测金融时间序列基于Python
量化投资与机器学习
18+阅读 · 2018年10月30日
LASSO回归与XGBoost:融合模型预测房价
论智
32+阅读 · 2018年8月8日
时间序列深度学习:状态 LSTM 模型预测太阳黑子(上)
R语言中文社区
19+阅读 · 2018年6月15日
Arxiv
18+阅读 · 2019年1月16日
Arxiv
8+阅读 · 2018年11月27日
VIP会员
相关资讯
使用LSTM模型预测股价基于Keras
量化投资与机器学习
35+阅读 · 2018年11月17日
利用动态深度学习预测金融时间序列基于Python
量化投资与机器学习
18+阅读 · 2018年10月30日
LASSO回归与XGBoost:融合模型预测房价
论智
32+阅读 · 2018年8月8日
时间序列深度学习:状态 LSTM 模型预测太阳黑子(上)
R语言中文社区
19+阅读 · 2018年6月15日
Top
微信扫码咨询专知VIP会员