机器学习与智能金融第二讲经典而永恒线性方法
机器学习与智能金融 第二讲 经典而永恒 线性方法
本讲内容回归类分析方法及其运用场景概述回归模型的选择、正则化与降维三多元定性响应变量的回归模型四回归类分析方法在金融领域的运用
一 回归类分析方法及其运用场景概述 本讲内容 二 回归模型的选择、正则化与降维 三 多元定性响应变量的回归模型 四 回归类分析方法在金融领域的运用
01回归类分析方法及其运用场景概述
01 回归类分析方法及其运用场景概述
回归分析的定义回归分析（RegressionAnalysis）：确定两种或两种以上变量间相互依赖的定量关系的一种统计分析方法。回归模型的一般形式：(1)yi = f(xi,Eiβ)脚标iEN=[1.2.…n]表示第i个个体或观测响应变量y.特征变量x=(1,xi.2,.,xi.K）·参数向量β=β,β2,""βk)·误差项e;
回归分析（Regression Analysis）：确定两种或两种以上变量间相互依赖的定 量关系的一种统计分析方法。 回归模型的一般形式： 回归分析的定义 y𝑖 = 𝑓 𝑥𝑖 , 𝜖𝑖 ; 𝛽 (1) • 脚标𝑖∈𝑁={1,2,.,𝑛}表示第i个个体或观测 • 响应变量y𝑖 • 特征变量𝑥𝑖 ′=(1,𝑥𝑖,2,.,𝑥𝑖,𝐾) • 参数向量𝛽=(𝛽1,𝛽2,.,𝛽𝐾) • 误差项𝜖𝑖
回归分析的分类回归模型依赖于函数的形式f）和参数B的大小类别分类标准特征变量的个数一元回归模型、多元回归模型特征变量与响应变量的关系线性回归模型、非线性回归模型回归方程的个数单方程回归模型、联立方程回归模型横截面模型、时间序列模型、面板模型数据类型的特点
回归模型依赖于函数的形式𝑓(∙)和参数𝛽的大小 回归分析的分类 分类标准 类别 特征变量的个数 一元回归模型、多元回归模型 特征变量与响应变量的关系 线性回归模型、非线性回归模型 回归方程的个数 单方程回归模型、联立方程回归模型 数据类型的特点 横截面模型、时间序列模型、面板模型