Shikari: Модели. Страница 13

1 января 13:00

Украина, Ирпень

1 января 12:02

1 января 12:00

Санкт-Петербург

31 декабря 11:50

Санкт-Петербург

Кастинг 🍊 🔎 Ищем актёров 💥 Сотовый оператор 💵 Гонорар 100.000₽ - 20% агентских 🗓️ Актуально до 13 января (съемка 20-21-22 января в один из дней, примерка накануне) 🕰️ Смена 13 часов (переработки 2000₽ / час) ✅ Строго без конкурентов 📝 Права: РФ, ТВ, интернет, салоны продаж (срок - с 24го февраля на 1 год) 1) ПАПА: • АКТЁР 30-45 лет • европейской / славянской внешности • правильные черты лица, без залысин • в целом, его внешность излучает уверенность, силу и привлекательность, что делает его заметным в любой компании • без большого бэкграунда в рекламе 2) МАМА • АКТРИСА 28-40 лет • европейской / славянской внешности • привлекательные черты лица • обязательно должны быть красивыми спина и плечи • грудь от 2,5 размера • без тату на видимых частях тела • без большого рекламного бэкграунда ‼️ Девушкам обязательно прикрепить фото в платье с открытыми плечами или в майке на бретельках 👗🎽 ➖➖➖➖➖➖➖➖ ✅ ВИЗИТКИ И ФОТО ЗАГРУЖАЙТЕ ПО ССЫЛКЕ: https://9.omnia-movie.com ✅ ВИДЕО НЕ ДОЛЖНО ВЕСИТЬ БОЛЕЕ, чем 30мб за 1 файл видео и 5мб за 1 файл фото ✅ Используйте любой удобный конвертор видео для уменьшения веса или вотс ап, также сжимает при отправке ✅ ЕСЛИ ССЫЛКА НЕ КЛИКАБЕЛЬНА КОПИРУЙТЕ ЕЕ И ВСТАВЛЯЙТЕ В АДРЕСНУЮ СТРОКУ ✅ Обязательно заполняйте все поля, Внизувнизу нажимайте «ОТПРАВИТЬ», дождитесь чтобы ваша заявка была отправлена (отобразиться зелёным цветом «ВАША ЗАЯВКА ОТПРАВЛЕНА»)

31 декабря 10:00

Россия, Москва

Type of work: Rewriting Category: -- категория не определена Description: Здравствуйте! Набираю рерайтеров для ежедневной работы по заказам, подобным этому.Просьба не использовать chatGPT и другие ИИ для написания, проверять буду через https://text.ru/neuro/detector !Кому интересно, прочитайте, плиз, ТЗ до конца.Нужна статья на тему: Как выбрать налобный светодиодный фонарь .(Прошу сдать работу в срок, т.к. продлить не всегда смогу, сроки горят. Особенно в выходные).-----------------------------------------------ДЕЙСТВИЯ ПРИ ПРОСРОЧКЕ:Если не успеваете к сроку, то прошу вас ЗАРАНЕЕ написать мне в личку, на сколько конкретно часов нужно продлить ( на час, на два, и т.п.). Мне важно знать, что вы не пропали и работа над заказом идет.При отсутствии вестей от вас о сроках сдачи в 13:00 просроченный заказ будет отменен.Прошу не сдавать на проверку заведомо неуникальные тексты, которые автоматом уйдут на доработку и дадут вам еще 3 часа на работу (если будете так делать, сотрудничества у нас не получится). -----------------------------------------------В будущем статья будет использована для рекомендации товара/услуги по ссылке: https://shop.rosel.ru/catalog/fonari/Данная ссылка может стать ИСТОЧНИКОМ информации и идей, тезисов для статьи, а может и не стать, т.к. НЕ ВСЕГДА имеет ответ на вопрос по теме статьиВАЖНО: Текст не нужно рерайтить именно из источника выше, можно найти свои более подходящие источники. Ссылка выше дана лишь для понимания того, про какой именно товар или услугу должна идти речь в статье, чтобы я мог из текста написанной вами статьи уместно порекомендовать ссылку выше.Если вам непонятно, о чем именно нужно писать в статье, то напишите мне в личку - вместе разберемся и всё согласуем.Т.З.:0. (Если в теме заказа обзор товаров/услуг, то данный пункт ИГНОРИРУЕМ!) В статье НЕ НУЖНО рекламировать продвигаемую компанию, НЕ НУЖНО описывать ее достоинства и т.п. Нужно написать полезную информационную статью для читателя без рекламы.0. Просьба не использовать chatGPT и другие ИИ для написания, проверять буду через https://text.ru/neuro/detector 1. Название статьи НЕ МЕНЯТЬ и не рерайтить.2. Требуется ПОЛЕЗНЫЙ для читателя текст, раскрывающий тему статьи. Никакого SEO, вписывания ключей и прочего не нужно. 3. Грамотный текст без ошибок в орфографии и пунктуации.4. Уник - от 90% по https://text.ru/antiplagiat - ОБЯЗАТЕЛЬНО СМ. ПРИМЕЧАНИЕ ПРО ПРОВЕРКУ УНИКА ВНИЗУ ОПИСАНИЯ!5. Желательно сдавать статью в формате word (.docx)6. Типовая структура статьи должна быть такая:- Введение (1-2 предложения, в которых написано, о чем будет данная статья)- Подзаголовок 1 - текст подзаголовка 1 (800-1000 знаков)- Подзаголовок 2 - текст подзаголовка 2 (800-1000 знаков)Вместо двух подзаголовков можно использовать 3 и более, но два - минимум.7. Образец оформления работы в ворде: https://yadi.sk/i/qIdZJtmvcDmFtgПРИМЕЧАНИЕ про text.ru: 1. Нужно вставлять текст в окно проверки text.ru не из ворда, а из обычного текстового редактора типа блокнота. 2. Текст должен быть очищен от всех лишних символов: пустых строк, лишних пробелов, значков кружков от списков вот так: https://disk.yandex.ru/i/KuWGDTi5JMUQoAИначе вам будет показываться 100% уник, а мне через платную проверку текст.ру покажет 70-80%, и будет недоразумение.(Платная проверка как раз вырезает все спецсимволы, которые могут вставиться из ворда).8. В обзорах услуг/компаний не писать мы, наша компания. Нужно писать от третьего лица. Прошу выполнить все требования ТЗ. Примечание:- Доплату за превышение объема сделать не смогу, т.к. ограничен в бюджете - 50 руб на статью.В случае успешного выполнения задания возможно постоянное ежедневное сотрудничество через биржу по данным заказам, работы много. Required level: Without qualification The size of the order: 2000 characters, without spaces, not less than 1800 Price: 50.00 RUB, including the comission fee 2.5 RUB. (25 RUB for 1000 characters) Deadline: 02.01.2025 Client: Леонтьев Дмитрий (dmitrl)

31 декабря 07:32

30 декабря 21:01

Россия, Ухта; Россия, Сосногорск

В пакете rmgarch для построения моделей DCC-GARCH требуется использование спецификаций ugarchspec и классов ugarchfit. Однако, если вы уже откалибровали модели ARFIMA (arfimaspec/arfimafit) для отдельных временных рядов и хотите интегрировать их в DCC-GARCH модель, можно воспользоваться следующим подходом: Шаги для формирования DCC-GARCH объекта на основе ARFIMA моделей: Откалибруйте ARFIMA модели для каждого временного ряда: Используйте пакет forecast, fracdiff или любой другой подходящий пакет для подгонки ARFIMA моделей к вашим данным. R Копировать код library(fracdiff) arfima_fit1 <- fracdiff::fracdiff(y1, nar = p1, nma = q1) arfima_fit2 <- fracdiff::fracdiff(y2, nar = p2, nma = q2) # Повторите для всех рядов Извлеките остатки (residuals) из ARFIMA моделей: Остатки будут использоваться для оценки волатильности в DCC-GARCH модели. R Копировать код residuals1 <- arfima_fit1$residuals residuals2 <- arfima_fit2$residuals # Соберите остатки в матрицу resid_matrix <- cbind(residuals1, residuals2, ...) Определите спецификации для univariate GARCH моделей: Создайте ugarchspec объекты для каждого ряда. Поскольку основной тренд и автокорреляция уже учтены в ARFIMA моделях, можно использовать простой GARCH(1,1) спецификации. R Копировать код library(rugarch) spec <- ugarchspec( variance.model = list(model = "sGARCH", garchOrder = c(1,1)), mean.model = list(armaOrder = c(0,0), include.mean = FALSE), distribution.model = "norm" ) uspec <- multispec(replicate(number_of_series, spec)) Создайте DCC спецификацию: Определите спецификацию для DCC части модели. R Копировать код dcc_spec <- dccspec( uspec = uspec, dccOrder = c(1,1), distribution = "mvnorm" ) Подгоните DCC-GARCH модель к остаткам ARFIMA моделей: Используйте функцию dccfit для подгонки модели. R Копировать код dcc_fit <- dccfit(dcc_spec, data = resid_matrix, fit.control = list(eval.se = TRUE)) Сохранение структуры и параметров: Структура модели: Ваша модель будет состоять из ARFIMA модели для среднего и DCC-GARCH для ковариационной структуры. Параметры модели: Параметры ARFIMA сохранены из предварительного шага подгонки, а параметры GARCH и DCC получены при подгонке dccfit. Unconditional Mean и Volatility: Unconditional mean учитывается ARFIMA моделью, а unconditional volatility может быть вычислена как совокупность параметров ARFIMA и GARCH моделей. Для сохранения этих величин, убедитесь, что спецификации GARCH моделей корректно отражают волатильность, оцененную из ARFIMA остатков. Комбинирование моделей: Для полной модели учтите, что предсказания будут состоять из предсказанных значений ARFIMA для среднего и предсказанной ковариационной матрицы из DCC-GARCH модели. Пример кода: R Копировать код library(fracdiff) library(rugarch) library(rmgarch) # Шаг 1: Подгонка ARFIMA моделей arfima_fit1 <- fracdiff::fracdiff(y1, nar = p1, nma = q1) arfima_fit2 <- fracdiff::fracdiff(y2, nar = p2, nma = q2) # Повторите для всех рядов # Шаг 2: Извлечение остатков residuals1 <- arfima_fit1$residuals residuals2 <- arfima_fit2$residuals # Соберите остатки в матрицу resid_matrix <- cbind(residuals1, residuals2, ...) # Шаг 3: Спецификация GARCH spec <- ugarchspec( variance.model = list(model = "sGARCH", garchOrder = c(1,1)), mean.model = list(armaOrder = c(0,0), include.mean = FALSE), distribution.model = "norm" ) uspec <- multispec(replicate(number_of_series, spec)) # Шаг 4: Спецификация DCC dcc_spec <- dccspec( uspec = uspec, dccOrder = c(1,1), distribution = "mvnorm" ) # Шаг 5: Подгонка DCC-GARCH модели dcc_fit <- dccfit(dcc_spec, data = resid_matrix, fit.control = list(eval.se = TRUE)) # Теперь dcc_fit содержит DCC-GARCH модель, основанную на остатках ARFIMA моделей Важные замечания: Сохранение Unconditional Mean и Volatility: Убедитесь, что параметры ARFIMA моделей фиксированы или корректно интегрированы при подгонке DCC-GARCH модели, чтобы сохранить их влияние на общую модель.

30 декабря 10:46