写文章
- @weixin_47014685
简介
该用户还未填写简介
擅长的技术栈
未填写擅长的技术栈
可提供的服务
暂无可提供的服务
向量数据库的应用（大模型智能问答系统,RAG）
利用zilliz向量数据库来搭建自己的智能问答系统
【时间序列与深度学习】（一）经济计量基础ARIMA模型
ARIMA（自回归整合移动平均）模型是用于预测时间序列的核心方法，由自回归（AR）、差分（I）和移动平均（MA）三部分组成。模型通过差分处理使非平稳序列平稳，再结合历史数据和误差项进行预测。构建步骤包括平稳性检验、差分处理、模型定阶（通过ACF/PACF图）、参数估计和残差检验。关键统计检验包括ADF检验（判断平稳性）和Ljung-Box检验（评估残差是否为白噪声）。ARIMA擅长处理线性趋势，但
自定义似然函数并最优化求解——基于python的scipy.optimize.minimize
minimize提供的方法能够解决无/有约束的线性或非线性的多个决策变量目标函数的最优化问题，是解决优化问题的利器。本篇文章介绍其如何使用，并提供了代码示例。
Vasicek(ASRF)模型在风险加权资产(RWA)计量的应用
本文介绍了信用风险加权资产（RWA）的计算规则，重点解析了资本要求K值的计算公式。K值代表非预期损失率，其计算基于渐进单因子模型（ASRF），该模型假设违约概率受系统性风险因子和个体风险因子共同影响。通过标准正态分布假设和Copula理论，推导出覆盖99.9%风险的资本要求公式，并区分了零售与非零售风险暴露的不同计算方法。文章还涉及了期限调整因子等参数的设定原理。
向量数据库与常见的搜索算法
向量数据库的原理思想与常见的搜索算法
向量数据库的应用（大模型智能问答系统,RAG）
利用zilliz向量数据库来搭建自己的智能问答系统
自定义似然函数并最优化求解——基于python的scipy.optimize.minimize
minimize提供的方法能够解决无/有约束的线性或非线性的多个决策变量目标函数的最优化问题，是解决优化问题的利器。本篇文章介绍其如何使用，并提供了代码示例。
向量数据库与常见的搜索算法
向量数据库的原理思想与常见的搜索算法
到底了