exponential

1熱度

1回答

我試圖實施AQR投資策略「時間序列動量」：https://www.aqr.com/library/journal-articles/time-series-momentum。我在運行過程中遇到了一些混亂/麻煩。乍一看熊貓似乎具有計算關鍵指標的功能，即「指數加權滯後平方收益」，作爲衡量金融工具波動程度的指標。因此，該公式是（有一些背景）：我明白熊貓具有一些功能將式（1）中，以時間序列。例如，對於

1熱度

1回答

找到指數函數給定兩個點

我知道我可以使用下面的命令求解最大值方程，但是如何解決兩個不同的方程。 kill(all); r:.5; a:1; b:-5.7; theta:theta; solve(a*e^(b*theta)=r,theta); tex(''%); 我試圖讓兩個點的指數函數方程。我該如何去做這件事。例如點1是在（2,12）和點2處於（8768）

-2熱度

1回答

隨着時間改變導入信號的音高對數/指數

如何隨時間改變導入信號的音高對數/指數關係？請注意，使用的導入信號不是單一頻率，所以簡單的掃描或啁啾命令將不起作用，因爲我將導入人聲音頻文件，我只是創建了下面的示例，可以測試/顯示我遇到的問題。我可以隨時間線性地改變信號的音高，這很好用，請參閱下面的測試代碼和頻率圖的第1部分。由於Sheljohn的代碼 %Sweep question part 1 clear all,clf reset,t

3熱度

1回答

使用nls函數進行錯誤擬合

當我嘗試擬合指數衰減並且我的x軸有十進制數時，擬合從不正確。這裏是我的數據如下： exp.decay = data.frame(time,counts) time counts 1 0.4 4458 2 0.6 2446 3 0.8 1327 4 1.0 814 5 1.2 549 6 1.4 401 7 1.6 266 8 1.8 182 9 2.0 140 10

0熱度

1回答

尋找非線性方程python scipy

我是新來的分析，我正在尋找一個解決方案找到一個模型來解決非線性方程的形式Y=a(X1^b) + c(X2^d) + e（其中X1，X2是自變量）下面是一個完整的集合，不幸的是我們沒有太多的觀察，我們需要的只是任何簡單的擬合。但是這些數據沒有任何異常值，每個觀測值都必須考慮。 import matplotlib.pyplot as plt from scipy.optimize import c

4熱度

1回答

numpy.exponential稍有不同的行爲

我已經在兩臺不同的機器上安裝了Python3.6，發行版Anaconda。我不能發誓我使用了相同的安裝程序文件，儘管我認爲我是這樣做的。我看到同樣的，當我嘗試了Python，巨蟒和numpy的版本：我是越來越小的數值差異。經過一些調試後，我成功地將問題簡化爲調用numpy.exp。只需運行代碼 import numpy as np x = -0.15598287028795143616122

-1熱度

2回答

POW（）函數給出錯誤的結果

我想執行這個數學函數： 3^(3^1000000000) mod 1000000007 這樣做的結果是：930782551 但這樣做直接在Python花費大量的時間，和該程序掛起： return pow(3,pow(3,1000000000),1000000007) 所以，我認爲執行這將是相同的： return pow(3,pow(3,1000000000, 1000000007),100

0熱度

1回答

獲取指數值

我創建的閱讀Excel工作表函數所以在場先爭優包含的0.01的值，但是當我看到它的值，改變成一些這樣1.2999999999999999E-2指數形式時我通過DATATABLE用這個值，以便它拋出異常。所以我如何讀取準確的值或避免在代碼中。這裏是我的代碼讀取Excel工作表 - using (var sDoc = SpreadsheetDocument.Open(FileName, false

0熱度

1回答

R：指數返回無窮大

我需要刪除我的數據的對數，因此我正在把對數的值的對數。我的問題是，當我有超過709的權力R返回無限的價值。我怎麼能超越這個？ E 1 710 [1]天道酬勤謝謝:)

0熱度

1回答

使用GGPLOT2繪製ETS（）擬合模型

我試圖做指數平滑到一個簡單的時間序列數據集並繪製擬合模型加上foretasted模型，這裏是代碼： cmc [1] 100 104 108 111 120 120 127 130 142 138 170 177 180 200 230 235 247 [18] 260 263 270 330 350 400 450 500 plot(predict(ets(cmc), n.ahead =