混沌时间序列分析与预测工具箱

① HR需要掌握的数据分析工具有哪些

HR需要掌握的数据分析工具有Smartbi、MATLAB、SPSS、Stata、SAS、EViews、Excel等这几款工具。

掌握数据分析的作用如下：

1、构建数据思维，提高工作效率就是数据分析最直接的效果。

2、通过数据分析可以让数据为自己说话，掌握工作话语权。

3、通过数据分析可以可视化工作成果，体现您的个人工作价值。

4、学习数据分析还能帮你实现高薪。

数据分析工具靠不靠谱，来试试Smartbi,思迈特软件Smartbi经过多年持续自主研发，凝聚大量商业智能最佳实践经验，整合了各行业的数据分析和决策支持的功能需求。满足最终用户在企业级报表、数据可视化分析、自助探索分析、数据挖掘建模、AI智能分析等大数据分析需求。

② 用matlab工具箱怎么对garch模型做预测

对garch模型做预测可以用matlab自带的garchfit（）函数，该函数主要用于估计ARMAX / GARCH模型参数。

garchfit（）函数使用格式：

[Coeff,Errors,LLF,Innovations,Sigmas,Summary] = garchfit(Spec,Series,X)

Coeff——输入参数。接受由garchset，garchget，garchsim，garchinfer，和garchpred结构产生的参数。

Errors——系数的估计误差（即标准误差）的结构。

LLF——对于优化目标函数值与参数相关的估计发现Coeff。garchfit执行优化使用优化工具箱fmincon函数。

Innovations——创建（即残差）序列推导的时间序列列向量。

Sigmas——与创建相对应的条件标准偏差向量。

Summary——显示优化过程的摘要信息结构。

Spec——包含条件均值和方差规范的GARCH规范结构。它还包含估计所需的优化参数。通过调用garchset创建这个结构。

Series——观测的时间序列列向量。

X——观测数据的时间序列回归矩阵。

例如：

clc

spec = garchset('C',0,'K',0.0001,'GARCH',0.9,'ARCH',0.05);%指定模型的结构

[e,s,y]= garchsim(spec,1000);

[Coeff,Errors,LLF,Innovations,Sigmas,Summary] = garchfit(spec,y) %拟合参数

运行后得到的部分结果

③ MATLAB中NETLAB工具箱如何实现预测多元数据是否需要用到其他的工具箱

数据准备：
我们以一组多项式数据为例，进行示例，假如多项式是y=4x^3+3x^2+2产生的数据，x取0到3之间间隔为0.3的数。具体数据如下：

调用工具箱：
关于如何调用工具箱我在其他经验中有详细的介绍，有兴趣的可以查看。
这里我们用命令cftool进行调用拟合工具箱，在MATLAB主窗口中输入 cftool 回车
可以看到如下拟合工具箱界面

拟合操作步骤：
首先我们将要拟合的数据选入到工具箱中，如下图，在红圈处，点击向下三角，分别将要拟合的x y 选入，然后点击右侧的最上方的下三角，然后选择polynomial（ 多项式），下面的degree是阶数，也就是x的最高次数，选择不同的degree，在图的左下角是拟合的结果，包括拟合的系数以及方差相关系数等，右侧是数据点，以拟合曲线。

结果分析：
我们拟合的时候，一般情况下不知道要拟合的多项式是几阶的，我们一般调节degree都是从1逐渐增大，只要精度符合要求，就可以了，并不是精度越高越高。
拟合结果说明：
Linear model Poly3:
f(x) = p1*x^3 + p2*x^2 + p3*x + p4
Coefficients (with 95% confidence bounds):
p1 = 4 (4, 4)
p2 = 3 (3, 3)
p3 = 4.593e-15 (-3.266e-14, 4.185e-14)
p4 = 2 (2, 2)

Goodness of fit:
SSE: 2.386e-28
R-square: 1
Adjusted R-square: 1
RMSE: 5.839e-15
从以上可以看到最终拟合的y关于x的函数为：
f(x)=4*x^3+3*x^2+4.593e-15*x+2
我们可以看到一次项的系数为4.593e-15，实际上就是4.593*10^（-15），这个数量级完全可以认为是0，所以拟合的结果我们认为是：
f(x)=4*x^3+3*x^2+2
这里的方差SSE数量级为10的负28次方，相关系数 R-square=1，说明拟合的结果很好。