自己造轮子——计算VIF_基于statsmodels
我知道用stata和R的更多，此处仅基于兴趣摸索，本文数据和方法均来自于朱顺全老师的教程 核心代码书上老师使用的方法是一个一个计算，可维护性有点低，所以我就优化了一下 12X_with_const = sm.add_constant(X)vif_values = [variance_inflation_factor(X_with_const.values, i) for i in range(X_
自己造轮子——多元回归分析_基于Scikit-learn
数据的读取和处理123data=pd.read_excel('C:\\Users\\cyx94a\\Desktop\\Python\\data\\al6-1.xls')sns.pairplot(data,x_vars=['Q','PL','PF','PK'],y_vars='TC'
自己造轮子——多元回归分析_基于statsmodels
我知道用stata和R的更多，此处仅基于兴趣摸索，本文数据和方法均来自于朱顺全老师的教程 statsmodels和pastystatsmodels 是一个Python库，它提供了广泛的统计模型，包括线性回归、广义线性模型、时间序列分析、分类和生存分析等。它是一个开源项目，广泛应用于数据科学、统计分析和机器学习领域。 Patsy 是一个 Python 库，它专门用于描述统计模型（尤其是线性模型或包含
自己造轮子——自然语言情感分析_基于百度OpenAI
目前我想要尝试的NLP情感分析方法有这样几种：snownlp库的情感字典、百度情感预训练模型SKEP、百度OpenAI的NLP中的中文情感处理、基于长短时记忆网络LSTM的情感分析、央财学报上那篇LSTM-CNN模型的情感分析。后面两个于我而言相当之高深莫测，所以先从基础的开始吧，今天先基于百度OpenAI来试一试。 编写前的准备工作首先，数据就使用我前一个小项目爬取的东方财富股吧评论。 其次，需
自己造轮子——爬取东方财富股吧评论
看到中央财经大学学报上今年三月一篇论文，研究投资者情绪使用的是东方财富股吧的数据（股吧乐子人跌了就骂涨了就夸，估计算是最韭菜的数据了，在实战中甚至有反向指标效果哈哈哈），所以尝试写一个（现学现卖了属于是）小爬虫，来爬取东财的股吧评论。感谢B站、知乎、CSDN大佬的教学以及Chat-GPT、Kimi的答疑与Debug。 导入各种库因为如果要做实证的话，股吧数据量比较大，所以选择用效率更高的lxml来
自己造轮子——获取股票数据
老项目新写，获取数据作为开篇也合适 连接API12345678import baostock as bsimport pandas as pd#### 登陆系统 ####lg = bs.login()# 显示登陆返回信息print('login respond error_code:'+lg.error_code)print('login respond error
自己造轮子——序言
开个新坑，写点想法 零零散散学习Python将近6年了，因为非专业背景，使用的机会很少，一直处于写个小脚本都要查语法的状态。在目前这个时间节点，Chat-GPT和Kimi已经足以完成非专业需求的脚本编写和debug，所以再系统复习意义不大，毕竟工具淘汰的不是人类劳动力，而是不会使用工具的落后劳动力，所以于我个人而言，向AI讨教语法和debug是提高效率的绝佳方式。同时，我希望将使用Python的编
数字普惠金融发展与投资者“炒新”_吴桐桐
吴桐桐,王仁曾.数字普惠金融发展与投资者“炒新”[J].财贸研究,2020,31(11):53-64. 研究问题数字普惠金融发展对投资者“炒新”的影响 理论机制近年来，数字金融功能覆盖到各种移动终端软件中( 例如支付宝和微信) ，已经广泛融入居民的日常生活( 包括消费购物、缴纳物业水电费、购买理财保险等) 。随着居民生活与数字金融之间的联系越来越紧密，数字金融发展具有了普惠性，支付宝等软件中的支付