深度学习

分享一些量化交易相关的常识信息。

五因子模型公式及应用

五因子模型是哪五个因子

**[多因子选股模型及优缺点](https://bigquant.com/wiki/doc/5asa5zug5a2q6ycj6ikh5qih5z6l5zcn6kn6ke

首先解释一下标题： CNN：卷积神经网络（Convolutional Neural Network）, 在图像处理方面有出色表现，不是被川普怒怼的那个新闻网站； 股票涨跌：大家都懂的，呵呵； 股票图片：既然使用CNN，那么如果输入数据是股票某个周期的K线图片就太好了。当然，本文中使用的图片并不是在看盘软件上一张一张截下来的，而是利用OHLC数据“画”出来的； 尝试：这个词委婉一点说就是“一个很好的想法^_^"，比较直白的说法是“没啥效果T_T”。

进入正题： 首先是画出图片。本文目前是仿照柱线图画的。 ![{w:100}](/wi

如何把次日开盘数据加入策略？比如竞价金额，竞价成交量。开盘涨幅。

请问一下站内大佬，有人知道吗？如何做出同花顺alphahua那种《k线训练营》的ai智能k线决策吗？

问题

https://bigquant.com/experimentshare/3aff241f03194816912c850f1f118ab6

\

\

问题

深度学习选股策略需要更大的资源吗？

https://bigquant.com/experimentshare/1c9b4b73bd534982bc6beb2e8c07d0f1

解答

跑DEEPALPHA模块建议升级开发环境到C2甚至C3档。

看你用的标准化模块比较老了，还剩V8， 你可以换成最新的模块，从左侧模块区拖一个就行，最新的标准化模块性能有很大提升

![{w:100}{w:100}](/wiki/api/a

\

https://bigquant.com/experimentshare/75aff243f241447da1d1994ed9d29c44

如何实现分类任务啊，怎么在原有策略上修改

三种构建大盘风控指标的方法关于LSTM+CNN的模型进行大盘风控的策略代码未找到，能否提供一下，谢谢。

https://bigquant.com/wiki/doc/dapan-zhibiao-fangfa-MoB3kNcAMG

根据《如何固化深度学习、随机森林和StockRanker模型|模型固化》https://bigquant.com/wiki/doc/shendu-senlin-moxing-fT26iI6EAI中的StockRanker模型的固化形成了model_stockranker.csv，为了了解model_stockranker.csv的内容，想打开model_stockranker.csv文件，不过，用ss=pd.read_csv('model_stockranker.csv')，print(ss)显示乱码，如何解决，谢谢？

[https://bigquant.com/experimentsh

根据官网深度学习特征裁剪值如何设置？的原代码（https://bigquant.com/wiki/doc/shendu-tezheng-EuCMiohTql），运行报错<ValueError: optimizer function should't be none.>请问什么原因？如何解决？

https://bigquant.com/experimentshare/175b607bae904740a1034e7ba1b29c4e

\

说是有：

https://bigquant.com/wiki/doc/mokuai-aBcAf1yeFo

根据【模板策略】LSTM+CNN深度学习预测股价案例没有成交？

https://bigquant.com/wiki/doc/shendu-gujia-4teFqoC7MV

或

https://bigquant.com/community/t/topic/194980

https://bigquant.com/experimentshare/52d3c0772a2d4ef9bb5950c7c6646170

\

最好更细粒度的， 比如分钟级别。

好像没找到。 求例子。

小白学习

小白如何学习？出现错误提示后，有没有好的解决方案，有没有专门对接的群？

机器学习/深度学习

1. 机器学习在量化中，怎样在过程中查看策略、理解机器学习的逻辑和修正？
2. 目前股票策略中使用最广泛的机器学习和深度学习的模型有哪些？
3. 机器学习或深度学习策略回撤过高，该结合什么风险控制或择时策略比较好？
4. 如果使用深度学习或机器学习自动挖掘因子？
5. 使用深度学习模型时，总觉得泛化性能很差。加上一些提升泛化能力的手段， 比如正则、dropout等，好像没什么用。请问有没有什么较好的方法？

\

策略调优

1. 如何判断策略失效以及失效后的处理

视频讲解

可看视频听老师的详细讲解

机器学习逻辑理解

问：机器学习在量化中，怎样在过程中查看策略、理解机器学习的逻辑和修正？

答：

1）可解释性

2）如何减少过拟合

3）机器学习/深度学习课程

常见的机器学习/深度学习模型

目前

222

擂台赛背景

12月7日，BigQuant发布年度重磅报告（https://bigquant.com/wiki/doc/niandu-zhongbang-bao-DeepAlphaCNN-juanji-shenjingwangluo-qXe3iEgfRI），发布了Deep Alpha-CNN模型，该模型采用7层一维卷积神经网络，并引入残差，降低模型复杂度，防止梯度爆炸/消失，达到更好收敛。

研究结论要点：

1、7层的卷积神经网络表现好于2层，能够学习到更多的市场特征。

2、研究发现当kernel size、batch size、feature map等参数越小，模型表现

• BigQuant使用案例
• 最佳使用方式

\

\

问题

这个模型克隆后无法运行，和视频讲解也不太一样，能给个完整版本供学习吗？谢谢

https://bigquant.com/wiki/doc/shendu-qihuo-shili-wXlpMm48hG

TypeError Traceback (most recent call last) <ipython-input-2-55d0e540611d> in <module> 245 ) 246 --> 247 m20 = M.cached.v3( 248 input_1=m24.data, 249

在交易进阶之避免过度适应中，我受到深度学习方面知识的启发，尝试寻找避免过度适应市场的想法。交易者要不断去适应市场的原因包含两方面：第一，交易者应该尽量利用可以利用的任何趋势。第二，交易者应该尽量贴紧市场节奏，这样市场产生异常变化时，交易者在思路上可能转变的快一些。

于是，在交易者和市场之间，立即建立了反馈关系。市场阶段性的特征被交易者不断接受，因此才会觉得市场更友好。但阶段性特征又会潜移默化的影响交易者（尤其是主观交易者），通过试图适应环境的生物本能。不可避免的，阶段性特征包含很多噪声，结果是交易者开始从交易行为上不知不觉的偏离。

用来衡量深度学习智能的知识水平的函数，给了我另一个启发。交

写在前面：读TensorFlow的这篇官网教程，给了我很大的帮助，该教程对seq2seq模型在理论上和代码实现上都有简要介绍。感觉有必要翻译一下做个记录，文章很长，不会做到一字一句的翻译，有些不好翻译的地方我会给出原句，有不严谨的地方望谅解。

本文目录：

• 前沿 | Introduction
• 基础 | Basic
• 训练- 如何构建我们的第一个NMT系统
• 词向量 | Embedding
• 编码器 | Encoder
• 解码器 | Decoder
• 损失 | Loss
• **梯度计算和优化 | Gradient co

在七月份对传统机器学习方法的总览学习之后，我这半个月都在学习如何使用TensorFlow框架进行深度学习，最近进行了一个小的项目——验证码识别，期间踩了不少坑，不得不说TensorFlow算是我用过的较难的框架了，在这里进行总结，和大家分享。

处理图像问题

使用卷积神经网络处理图片前，一般要先进行一些图片处理，将它归一化，例如图像的大小、色调等，可以使用PIL库。

from PIL import Image
img = Image.