Advertisement

-Julia-:量化宏观与Julia的应用

  •  5星
  •     浏览量: 0
  •     大小:None
  •      文件类型:None


简介:
本讲座探讨了如何运用Julia语言在金融领域中进行高效的量化宏观经济分析,深入介绍其应用优势及案例。 《量化宏观及Julia应用:数值算法到模型应用》课程大纲 许文立 SFU / AHU / CIMERS / 国民经济工程实验室(北京) 参考书目: 彼得·卡斯尼亚著,许文立、王芝清、古昕译,《量化宏观经济学导论及Julia应用——从基础数值方法到高级方法》,东北财经大学出版社 大家可能会疑惑,在市面上已有众多的量化宏观经济学书籍的情况下,为什么还要学习这门课程呢?大部分人可能对卢卡斯和斯托基(2009)、阿莫格鲁(2009)、容格维斯特和萨金特(2012)以及苗(2015)等人的著作非常熟悉。这些书是非常优秀的理论参考书籍,例如Heer和Maussner(2009),Miranda和Falcker(2002),Stachurski和Judd(2017)。然而,在中国开设此类课程的机会仍然很少见,因此我决定开设这门课程。 本课程将向大家介绍数值方法,并重点讲解量化宏观经济学中常用的几种数值方法:解确定性和随机性模型的方法。

全部评论 (0)

还没有任何评论哟~
客服
客服
  • -Julia-:Julia
    优质
    本讲座探讨了如何运用Julia语言在金融领域中进行高效的量化宏观经济分析,深入介绍其应用优势及案例。 《量化宏观及Julia应用:数值算法到模型应用》课程大纲 许文立 SFU / AHU / CIMERS / 国民经济工程实验室(北京) 参考书目: 彼得·卡斯尼亚著,许文立、王芝清、古昕译,《量化宏观经济学导论及Julia应用——从基础数值方法到高级方法》,东北财经大学出版社 大家可能会疑惑,在市面上已有众多的量化宏观经济学书籍的情况下,为什么还要学习这门课程呢?大部分人可能对卢卡斯和斯托基(2009)、阿莫格鲁(2009)、容格维斯特和萨金特(2012)以及苗(2015)等人的著作非常熟悉。这些书是非常优秀的理论参考书籍,例如Heer和Maussner(2009),Miranda和Falcker(2002),Stachurski和Judd(2017)。然而,在中国开设此类课程的机会仍然很少见,因此我决定开设这门课程。 本课程将向大家介绍数值方法,并重点讲解量化宏观经济学中常用的几种数值方法:解确定性和随机性模型的方法。
  • Julia-vscode:在Visual Studio Code中使Julia扩展插件
    优质
    Julia-vscode是一款专为Visual Studio Code设计的插件,支持用户在其代码编辑器中高效编写和运行Julia语言程序。 朱莉亚 此扩展提供支持。入门安装Julia / VS Code / VS Code Julia扩展为您的平台安装Julia: - 为您的平台安装VS Code: 在完成此步骤后,您应该能够启动VS Code。 - 安装Julia VS Code扩展: 1. 启动VS Code。 2. 在VS Code中执行View: Show Extensions命令(点击View -> Command Palette...)或单击左侧的扩展图标进入扩展视图。 3. 在市场搜索框中输入“julia”,选择名为“Julia”的扩展,然后点击安装按钮。
  • Matlab经济学代码-Macro-Model_code: DSGE, 经济模型, Matlab, Julia, Python, Dyn...
    优质
    这是一个包含动态随机一般均衡(DSGE)宏观经济模型代码的资源库,使用了MATLAB、Julia和Python等编程语言,并结合Dynare工具进行模拟与分析。 Matlab经济学代码宏模型(更新)DSGE相关论文清单: 1. Hippolyted Albis, Fabrice Collard (2013): Age Groups and the Measurement of Population Aging, Demographic Research: Volume 29, Issue 23. 2. Igor Ermolaev, Charles Freedman, Michel Juillard, Ondra Kamienik, Dmitry Korshunov, Douglas Laxton (2008): Is Bank Lending Stringency Important? 3. Margarita Rubio, José A.Carrasco-Gallego (2014): Welfare Analysis of Basel I, II and III Using a DSGE Model 4. Frederic Boissay, Fabrice Collard, Frank Smets (2016): Boom and Bust Banking Crises, Journal of Political Economy: Volume 124, Issue 2
  • Julia Language V1.0 Win64 ZIP
    优质
    Julia Language V1.0 Win64 ZIP 是Windows 64位系统下安装Julia编程语言的压缩包版本,方便用户下载和部署。 Julia 是由 MIT 主导开发的一种新型编程语言,在安装之后可以将整个文件夹打包使用。它结合了 C 语言的速度、Ruby 的灵活性以及 Matlab 和 Python 的数学表征与通用编程能力,集各家之所长,近年来成为全球增长速度最快的编程语言之一,并受到了包括 Google 和 Facebook 在内的众多知名互联网公司开发者的广泛欢迎。
  • Windows 64位稳定版 Julia编程语言 v1.4.1(julia-1.4.1-win64.exe)
    优质
    这是一款针对Windows 64位系统的Julia编程语言稳定版本(v1.4.1),提供强大的数值计算和数据分析能力,适合科研、工程等领域使用。下载文件为julia-1.4.1-win64.exe。 最近由于不可抗拒的原因,Julia官方下载被墙了(我这里源码编译时发现补全资源也被墙了)。为了方便大家部署Julia环境,我已经绕过限制获取到了Windows x64位稳定版v1.4.1,并提供给大家。
  • 基于OpenGLJulia实现
    优质
    本项目利用OpenGL技术实现了复数集上的Julia集合可视化,通过图形界面生动展示复杂的数学概念,为学习者和研究者提供了一个探索分形几何之美的互动平台。 本程序实现的是分形Julia图形,并会生成一个类似飞龙的画面。用户可以通过鼠标左键选中并拖动该图形,在松开左键后,图形将显示在新的位置。
  • Julia资源链接:JuliaResources
    优质
    JuliaResources 是一个集成了大量关于 Julia 编程语言学习和开发资料的在线平台。这里不仅有官方文档、教程,还有社区分享的学习笔记和实战项目案例,非常适合编程爱好者和技术开发者深入了解并掌握 Julia 语言。 我基于列出的Julia工具创建了一份个人清单,并且我想标记那些不适合当前版本的软件包。同时,我也想向我的同事推荐合适的软件包以避免重复工作。Docsify JS框架提供了一些不错的功能,例如全文搜索等。 我在努力了解Julia生态系统(但会优先考虑与我专业领域相关的部分)。关于Julia软件包的信息可以在Julia论坛中找到,那里有关于积分、许可证以及svaksha多年工作的讨论和贡献。 以下是一些具体的工具介绍: - 找我家物理:一种从实验测量中确定单个快离子轨道的方法。 - 量子技术讲座及聚会的视频资源(原文未提供具体链接)。 - derelict_house: 用于量子计算的绝热算法模拟器。 - 快速多维Walsh-Hadamard变换工具包。 - QuantumPlus:一个旨在帮助人类设计可扩展且高效的量子算法的库。 - Qiskit Ignis:一套专为处理和分析量子计算机实验数据而定制的工具集。 - SuperOpSim:用于仿真超导量子位系统时间动态特性的软件。
  • Julia遗传算法_Julia_代码_下载
    优质
    本资源提供基于Julia语言实现的进化和遗传算法源码下载。内容涵盖算法设计、优化策略及应用案例,适合科研人员和技术爱好者学习交流。 算法包括:μ/ρ(+/,)λ-SA-ES、(μ/μ I ,λ)-CMA-ES、遗传算法(GA)、多目标NSGA-II以及微分进化(DE)。此外还有遗传编程(TreeGP)。
  • 基于MatlabRBF网络-Julia-RBFNN:于径向基函数神经网络(RBFNN)Julia
    优质
    基于Matlab的RBF网络-Julia-RBFNN是一个用Julia语言开发的库,旨在提供一个类似于MATLAB环境下的径向基函数神经网络(RBFNN)工具包。此库简化了RBFNN模型的设计、训练和应用过程,为用户提供了一个高效且灵活的学习与研究平台。 rbf网络matlab代码Julia·rbfnn径向基函数神经网络(RBFNN)的Julia软件包是克里斯·麦考密克RBFNN八度/Matlab代码的翻译版本。当前,该Julia版本尚未经过优化处理,但其运行速度已经提高了60%。在分配RBF神经元时使用了kMeans程序包,并且为了确定β参数(即神经元宽度),采用了configureRBFBetas.jl例程进行操作。一旦所有RBF神经元被找到并固定下来后,它们的参数将保持不变,然后通过GradientDescent来查找连接这些RBF神经元和输出层之间的权重值。至于输出层中需要多少个神经元,则取决于类别或标签的数量,并且这些标签应当以单独整数向量的形式进行表示;同时请注意,标签应从1开始并单调递增。 为了更好地理解该软件包的工作原理,请参考test.jl文件中的相关说明。此外,在绘图方面,它使用了Plot.ly工具——因此请确保您已准备好用于登录plotly的凭证(具体操作步骤详见文件最后部分)。 两个主要的功能分别为trainRbf和valuateRbf:前者负责构建模型;而后者则用来利用该模型进行评估或预测工作。