gplearn入门
gplearn核心概念
它是一个基于Python的库,旨在通过遗传编程(Genetic Programming, GP)实现机器学习的功能。遗传编程是一种自动化的机器学习方法,通过模拟达尔文的自然选择理论来解决问题。它属于遗传算法的一种,通过选择、交叉(杂交)、变异等操作对程序(个体
由bqw9z8tc创建,最终由small_q更新于
它是一个基于Python的库,旨在通过遗传编程(Genetic Programming, GP)实现机器学习的功能。遗传编程是一种自动化的机器学习方法,通过模拟达尔文的自然选择理论来解决问题。它属于遗传算法的一种,通过选择、交叉(杂交)、变异等操作对程序(个体
由bqw9z8tc创建,最终由small_q更新于
由ypyu创建,最终由iquant更新于
我们花了两周时间,和所有的客户全部沟通了一遍,整理出来了量化行业2022年最新的岗位需求版图。包括量化研究员、C++、机器学习、市场、期权、交易员、数据开发、运维等……多个热门岗位,任君挑选,快来mark你中意的岗位!
量化研究员,不多说大家都熟悉
由katie8创建,最终由small_q更新于
最近几个月,世界级的事件层出不穷,其中之一,就是结局尚未明朗的青山事件。整个事件过程跌宕起伏,好比一本书有一千个哈姆雷特解说,引得各界人士热议纷纷。短短几天时间,命悬一线的青山急速转弯,加上半路杀出的神秘力量,这样神出鬼没的剧情,怕是最狗血的编剧也不敢让车祸男主瞬间恢复记忆。往下滑,百奇星带大家知晓
由lcm526创建,最终由small_q更新于
由xiaoshao创建,最终由small_q更新于
[https://bigquant.com
由jliang创建,最终由small_q更新于
由small_q创建,最终由small_q更新于
Apache arrow是高性能的,用于内存计算的,列式数据存储格式。PyArrow是apache arrow的python库,PyArrow与NumPy、pandas和内置的Python对象有很好的集成。它们是基于Arrow的C++实现。
由think创建,最终由small_q更新于
SciPy是基于Python的一个开源库,用于数学、科学和工程计算。它建立在NumPy的基础上,提供了许多高级的数值计算功能,从而使得Python成为一个强大的科学计算环境。SciPy是科学计算中最重要的库之一,广泛应用于学术和工程领域,包括金融领域的量化分析和模型开发。
由bqw9z8tc创建,最终由small_q更新于
matplotlib 是一个 Python 编程语言和其数值数学扩展包 NumPy 的绘图库。它提供了各种绘图工具,使得开发者可以绘制各种静态、动态、交互式的可视化图表。
由ypyu创建,最终由small_q更新于
Matplotlib是Python编程语言中最广泛使用的绘图库之一,提供了一个强大的接口来创建各种静态、动态和交互式的图表和可视化。由于其灵活性和易用性,Matplotlib成为数据科学、工程、金融分析和量化研究中不可或缺的工具。
Matplotlib是基于NumPy数
由bqw9z8tc创建,最终由small_q更新于
本文是基于StackAbuse的一篇讲解Seaborn的文章 上编写。 附示例及实现代码,可直接前往文末 **一键克隆代
由clearyf创建,最终由small_q更新于
本文是基于StackAbuse的一篇讲解Seaborn的文章上编写。 附示例及实现代码,可直接前往文末**一键克隆代码*
由iquant创建,最终由small_q更新于
由ypyu创建,最终由small_q更新于
由small_q创建,最终由small_q更新于
![](/wiki/api/attachments.redirect?id=8f3b8fb8-17b9-4f2f-
由iquant创建,最终由iquant更新于
由ypyu创建,最终由iquant更新于
Numpy(Numerical Python)是Python语言中的一个核心库,它用于进行科学计算。Numpy提供了一个高性能的多维数组对象,以及用于处理这些数组的工具。在金融领域,尤其是在量化分析和算法交易中,Numpy因其高效和易用性而广泛应用。
Nump
由bqw9z8tc创建,最终由small_q更新于
NumPy(Numerical Python的简称)是Python中用于处理数组、矩阵、数值计算以及高级数学函数的一个强大的库。在金融量化分析中,NumPy扮演着至关重要的角色,因为它提供了快速、高效的数值计算能力,适用于处理大量的金融数据。
NumPy的主要特点包括:
由bqadm创建,最终由small_q更新于
Numpy(Numerical Python)和Pandas两个库是Python编程语言中两个极其重要的库,尤其在数据科学、金融分析和量化投资领域。尽管它们在处理数据方面有所重叠,但各自设计的初衷和优势领域有所不同。
![](/wiki/api/attachments.redirect?id=5
由bqw9z8tc创建,最终由small_q更新于
由clearyf创建,最终由small_q更新于
由ypyu创建,最终由small_q更新于
由ypyu创建,最终由small_q更新于
本文介绍数值分析的一大利器——Numpy
附件:Numpy介绍
[https://bigquant.com/experimentshare/3132bdddfa574e27b49a4bb1bea299ad](https://bigquant.com/experimentshare/
由clearyf创建,最终由small_q更新于
新版数据导入部分使用dai库
本节主要讲解Pandas库中 DataFrame 的数据查看与选择
Pandas 是基于 Numpy 构建的,让以 Numpy 为中心的应用变得更加简单。平台获取的数据主要是以 Pandas 中DataFrame 的形式。除此之外,
由qxiao创建,最终由small_q更新于
Pandas最初被作为金融数据分析工具而开发出来,在金融领域被广泛使用。Pandas纳入了大量库和一些标准的数据模型,提供了高效地操作大型数据集所需的工具、函数和方法。
本文是针对pandas新手的快速入门学习指南。你可以在 AI量化平台-编写策略 里,一步
由xiaoshao创建,最终由small_q更新于
\
由small_q创建,最终由small_q更新于
\
由small_q创建,最终由small_q更新于
\
由ypyu创建,最终由small_q更新于
数据导入部分使用了dai
[https://bigquant.com/codesharev2/6cfc9123-1ada-40b1-a96d-c84a27bfdadf](https://bigquant.com/codesharev2/6cfc9123-1ada-40b1-a96d-c84a27b
由qxiao创建,最终由small_q更新于
来源:elitedatascience编译:caoxiyang
成千上万的数据科学新手会在不知不觉中犯下一个错误,你知道是什么吗?这个错误可以一手毁掉你的机器学习模型,这并不夸张。我们现在来讨论应用机器学习中最棘手的障碍之一:过拟合(overfitting)。
在本文中,
由ypyu创建,最终由small_q更新于
由ypyu创建,最终由small_q更新于
量化投资是指通过数量化模型建立科学投资体系,以获取稳定收益。 在海外的发展已有30多年的历史,其投资业绩稳定,市场规模和份额不断扩大、得到了越来越多投资者认可。在国内,量化投资不再是一个陌生的词汇,近几年得到了迅猛的发展。
提起量化投资,就不得不提量化投资的标杆—
由qxiao创建,最终由small_q更新于
了解量化投资是成为宽客道路上的一块重要的敲门砖。本文从量化投资定义、量化投资特点、量化投资优势及量化投资实践流程四方面简要为大家介绍量化投资相关知识。
量化投资是指通过数量化模型建立科学投资体系,以获取稳定收益。 在海外的发展已有30多年的历史,其投
由ypyu创建,最终由small_q更新于
“人工智能”概念日益兴起,“谷歌围棋程序AlphaGo全面碾压专业选手”类似新闻逐渐增多,人工智能时代已经来临。通过短文快速了解什么是人工智能。
人工智能(英语:Artificial Intelligence, AI)亦称机器智能,是指由人工制造出来的系统所表现出来的智能,可以概括为
由ypyu创建,最终由small_q更新于
在上一篇文章中,大家对新建一个AI可视化模板策略有了初步的认识,但看到策略中众多的模块与看似复杂的连线心中不免存在疑惑,没关系,本篇文章中,我们就来为大家完整介绍一个AI量化策略的组成结构以及涉及的基本概念,希望可以帮助大家对AI量化策略建立一个全面初步的认识。
由clearyf创建,最终由small_q更新于
\
由small_q创建,最终由small_q更新于
本文内容对应旧版平台与旧版资源,其内容不再适合最新版平台,请查看新版平台的使用说明
新版量化开发IDE(AIStudio):
[https://bigquant.com/wiki/doc/aistudio-aiide-NzAjgKapzW](https://bigquant.com
由iquant创建,最终由iquant更新于
本文内容对应旧版平台与旧版资源,其内容不再适合最新版平台,请查看新版平台的使用说明
新版量化开发IDE(AIStudio):
[https://bigquant.com/wiki/doc/aistudio-aiide-NzAjgKapzW](https://bigquant.com
由kobe创建,最终由iquant更新于
由small_q创建,最终由small_q更新于
由small_q创建,最终由small_q更新于
由small_q创建,最终由small_q更新于
Update At 2017年6月23日
本文作者: HackCV
\
卷积神经网络(ConvNets 或者 CNNs)属于神经网络的范畴,已经在诸如图像识别和分类的领域证明了其高效的能
由qxiao创建,最终由qxiao更新于
由clearyf创建,最终由qxiao更新于
Python是互联网、数据科学、量化交易等领域使用最广泛的编程语言之一,是AI量化策略研究平台主要使用的策略开发语言。
本文简短而全面,用十分钟的时间带你走入Python的大门。建议一边学习,一边在 AI量化平台-编写策略 里实践。
Python中没有强制的语句终止字符,代码块是通
由xiaoshao创建,最终由xiaoshao更新于
BigQuant平台会不断封装机器学习算法策略,方便用户直接使用策略生成器开发策略,降低策略开发难度。本文对BigQuant平台上策略生成器已经支持的机器学习模型进行简单介绍。
目前,BigQuant策略研究平台支持的机器学习模型有分类模型、回归模型、排序模型和聚类模型四
由clearyf创建,最终由clearyf更新于
由ypyu创建,最终由ypyu更新于
本文将带你遍历机器学习领域最受欢迎的算法。系统地了解这些算法有助于进一步掌握机器学习。当然,本文收录的算法并不完全
由clearyf创建,最终由small_q更新于
随着深度网络的越来越普及,软件开发人员越来越容易对其进行实现,毫无疑问,很多开发人员会用他们熟悉的基于股票价格的预测来训练长短期记忆网络。我见过好几篇论文,展示了如何通过把历史资产价格用于LSTMs训练然后得出“完美地符合”现实的结果。
我相信你也曾怀疑过这些说法都只是一
由ypyu创建,最终由ypyu更新于
价值策略通俗地讲就是买入便宜股票,卖出昂贵股票,思想非常简单和直观。但是实际操作上这非常困难,因为我们没办法直接观察股票的真实价值。投资者可以从不同的视角采用不同的指标来估计股票内在价值。在股票市场中,最传统的方法就是通过会计报表的各个条目得到企业估值,
由ypyu创建,最终由ypyu更新于
在深度学习十分火热的今天,不时会涌现出各种新型的人工神经网络,想要实时了解这些新型神经网络的架构还真是不容易。光是知道各式各样的神经网络模型缩写(如:DCIGN、BiLSTM、DCGAN……还有哪些?),就已经让人招架不住了。
因此,这里整理出一份清单来梳理所有这些架构。其中大部分是人工神经网络,
由qxiao创建,最终由qxiao更新于
遗传规划算法是目前比较常见和主流的数据挖掘算法之一。它是根据适者生存、优胜劣汰等自然进化机制来进行搜索计算和问题求解。
本文不作过多关于遗传算法的原理介绍,相关原理可以参考之前的wiki文章:<https://bigquant.com/wiki/doc/suanfa-python-M
由qxiao创建,最终由qxiao更新于
本文介绍了LSTM的相关内容和在股票价格预测上的应用。
LSTM(Long Short Term Memory)是一种 特殊的RNN类型,同其他的RNNs相比可以更加方便地学习长期依赖关系,因此有很多人试图将其应用于 **时间序列的
由clearyf创建,最终由clearyf更新于
第11讲:多步骤和间歇政策 研究科学家Hado van Hasselt讨论了多步和关闭策略算法,包括各种减少方差的技术。
[https://www.youtube.com/watch?v=u84MFu1nG4g](https://www.youtube.com/watch?v=u84MFu1nG4
由qxiao创建,最终由qxiao更新于
本文介绍了协整的初步内容。
协整是什么这个问题回答起来不是那么直观,因此我们先看下图,了解一下具有协整性的两只股票其价格走势有什么规律。
![图1 两只协整股票的走势](/wiki/api/attachments.redir
由clearyf创建,最终由clearyf更新于
本文我们将讨论如何使用离散度来描述一组数据。
[https://bigquant.com/experimentshare/715478967ce0434487537359999464be](https://bigquant.com/experimentshare/715478967c
由clearyf创建,最终由clearyf更新于
《Machine Learning for Stock Price Forecasting》是Ali El-Shayeb撰写的机器学习系列文章 ,本文主要介绍其第二部分内容——《监督式机器学习算法的应用》,并将其思想和代码应用在中国股票市场,开发出具有择时功能的监督式机器学习算法,最后
由ypyu创建,最终由ypyu更新于
本文是对于medium上Boris博主的一篇文章的学习笔记,这篇文章中利用了生成对抗性网络(GAN)预测股票价格的变动,其中长短期记忆网络LSTM是生成器,卷积神经网络CNN是鉴别器,使用贝叶斯优化(以及高斯过程)和深度强化学习(DRL)优化模型中超参数。此外,文章中非常完整地实现了从
由ypyu创建,最终由ypyu更新于
至2021年,前30家百亿私募量化机构中29家在官网介绍了其人工智能开发,或正在招募人工智能人才。
编号 | 公司简称 | 成立时间 | 是否涉及AI | 编号 | 公司简称 | 成立时间 | 是否涉及AI |
---|
由qxiao创建,最终由qxiao更新于
几天前,我着手解决一个实际问题——大型超市销售问题。在使用了几个简单模型做了一些特征工程之后,我在排行榜上名列第 219 名。
![{w:100%}{w:100}{w:100}{w:100}](/wiki/api/attachments.redirect?id=8b797f9b-ad23-4
由bigquant创建,最终由bigquant更新于
第1讲:强化学习介绍
科学家Hado van Hasselt介绍强化学习课程,并解释了强化学习与人工智能的关系。
[https://www.youtube.com/watch?v=TCCjZe0y4Qc](https://www.youtube.com/watch?v=TCCjZe0y4
由qxiao创建,最终由qxiao更新于
由small_q创建,最终由small_q更新于
由clearyf创建,最终由qxiao更新于
异常值问题在数据分析中经常遇到,本文介绍了多种处理数据异常值的方法。
在金融数据分析中,常常会遇到一些值过大或者过小的情况,当用这些值来构造其他特征的时候,可能使得其他的特征也是异常点,这将严重影响对金融数据的分析,或者是影响模型的训练。下面将带大家学习一些关于异常点处理
由clearyf创建,最终由clearyf更新于
之前在社区分享过一个初版的强化学习策略,之后我们在那个基础上做了一些调整和优化,本文主要是关于新版策略的一些介绍和结果分析。
新版策略与初版的主要区别在于state的定义不同。初版用当天的OHLCV和7个常用因子数据作为一条state。新版设置了一个win
由clearyf创建,最终由clearyf更新于
第13讲:深度强化学习#2 研究工程师Matteo Hessel介绍了作为辅助任务的一般值函数和GVFs,并解释了如何处理算法中的缩放问题。
[https://www.youtube.com/watch?v=siDtNqlPoLk](https://www.youtube.com/watch?
由qxiao创建,最终由qxiao更新于
第12讲:深度强化学习#1 研究工程师Matteo Hessel讨论了深度RL的实际考虑和算法,包括如何使用自区分(即Jax)实现这些。
[https://www.youtube.com/watch?v=cVzvNZOBaJ4](https://www.youtube.com/watch?v=cV
由qxiao创建,最终由qxiao更新于
第8讲:规划与模型 研究工程师Matteo Hessel解释了如何学习和使用模型,包括像Dyna和蒙特卡罗树搜索(MCTS)这样的算法。
[https://www.youtube.com/watch?v=FKl8kM4finE](https://www.youtube.com/watch?v=FK
由qxiao创建,最终由qxiao更新于
本文来自于MSCI研究,原文标题为《情绪因素在不同地区的表现如何?》
关键词:MSCI | 全球投资 | 因子投资
作者:Howard Zhang
资料来源:MSCI 因子实验室。
情绪因素试图衡量不同群体对公司的看法。可以通过多种方式并从各种数据源中衡量情绪。许多情绪
由qxiao创建,最终由qxiao更新于
第五讲:无模型预测 研究科学家Hado van Hasselt对无模型预测及其与蒙特卡罗和时域差分算法的关系进行了更深入的研究。
[https://www.youtube.com/watch?v=eaWfWoVUTEw](https://www.youtube.com/watch?v=eaWfWo
由qxiao创建,最终由qxiao更新于
由qxiao创建,最终由small_q更新于
第4讲:动态规划算法的理论基础 研究科学家Diana Borsa将动态规划算法作为收缩映射进行研究,观察它们何时以及如何收敛到正确的解。
[https://www.youtube.com/watch?v=XpbLq7rIJAA](https://www.youtube.com/watch?v=Xp
由qxiao创建,最终由qxiao更新于
第6讲:无模型控制 研究科学家Hado van Hasselt研究了政策改进的预测算法,从而产生了可以从抽样经验中学习良好行为政策的算法。
[https://www.youtube.com/watch?v=t9uf9cuogBo](https://www.youtube.com/watch?v=t
由qxiao创建,最终由qxiao更新于
第7讲:函数近似 研究科学家Hado van Hasselt解释了如何将深度学习与强化学习相结合,以实现“深度强化学习”。
[https://www.youtube.com/watch?v=ook46h2Jfb4](https://www.youtube.com/watch?v=ook46h2Jf
由qxiao创建,最终由qxiao更新于
Lecture 9: Policy-Gradient & Actor-Critic methods Research Scientist Hado van Hasselt covers policy algorithms that can learn policies directly and ac
由qxiao创建,最终由qxiao更新于
MDPs和动态规划 研究科学家Diana Borsa解释了如何用动态规划解决MDPs,以提取准确的预测和良好的控制政策。
[/wiki/static/upload/81/813ce39b-112f-4d7b-b034-1b584731213d.mp4](/wiki/static/upload/81
由qxiao创建,最终由qxiao更新于
本文原载于[how-to-start-a-deep-learning-project](https://link.zhihu.com/?target=https%3A//medium.com/%40jonathan_hui/how-to-start-a-deep-lear
由ypyu创建,最终由ypyu更新于
研究科学家Hado van Hasselt探讨了为什么学习主体同时平衡探索和利用已获得的知识很重要。
[/wiki/static/upload/98/988872ab-a494-42d8-99e4-e3533441abb7.mp4](/wiki/static/upload/98/988872ab-
由qxiao创建,最终由qxiao更新于
相关性经常用来度量两个变量的相关关系,本文将对相关系数做详细讨论。
诺贝尔经济学奖得主马科维茨曾说过“资产配置多元化是投资的唯一免费午餐”。投资中有句谚语,不要把鸡蛋放在一个篮子,实际上讲的就是选择相关性不高的资产进行配置。资产之间的相关性用什么指标
由clearyf创建,最终由clearyf更新于
由ypyu创建,最终由ypyu更新于
由ypyu创建,最终由ypyu更新于
由clearyf创建,最终由clearyf更新于
机器学习已经广泛地应用在对于资产市场的分析中。但是,在浩如烟海的机器学习算法中,到底哪种算法能取得更优的预测效果呢?发表在《Applied Mathematical Finance》的这篇文章利用随机森林算法对股价d天之后的涨跌方向进行了预测。发现相比于SVM、线性判别分析等模型,随机森林可以取
由ypyu创建,最终由ydong更新于
# 102
def func(a):
'''
a: 输入数组,已经排好序
返回值:出现次数最多的元素,如果有多个,输出最早出现的
'''
dic = dict()
for x in range(len(a)):
由bqjbfe2i创建,最终由bqjbfe2i更新于
这是本系列专题研究的第四篇:基于卷积神经网络CNN的深度学习因子选股模型。卷积神经网络(Convolutional Neura
由clearyf创建,最终由clearyf更新于
本视频课程包含python、pandas、numpy基础,配合在BigQuant平台上练习,掌握编程基础,读懂代码、编写简单的代码。
[https://www.bilibili.com/video/BV1dE411d7Q4?p=2](https://www.bilibil
由iquant创建,最终由iquant更新于
GBDT(Gradient Boosting Decision Tree) 又叫 MART(Multiple Additive Regression Tree),是一种迭代的决策树算法,该算法由多棵决策树组成,所有树的结论累加起来做最终答案。它在被提出之初就
由ypyu创建,最终由ypyu更新于
不管你是管理自己的资金还是客户资金,只要你在做资产管理,每一步的投资决策都意义重大,做技术分析或基本面分析的朋友很清楚地知道每一个决策的细节,但是通过机器学习、深度学习建模的朋友可能就会很苦恼,因为直接产出决策信号的模型可能是个黑盒子,很难明白为什么模型会产出某一个信号,甚至很多保守的
由iquant创建,最终由iquant更新于
由ypyu创建,最终由ypyu更新于
当我们开始学习编程的时候,第一件事往往是学习打印"Hello World"。就好比编程入门有Hello World,机器学习入门有MNIST。
MNIST是一个入门级的计算机视觉数据集,它包含各种手写数字图片
它也包含每一张图片对应的标签,告诉我们这个是数字几。比如,上面这四张图
由ypyu创建,最终由ypyu更新于
对于那些认为随机森林是黑匣子算法的人来说,这篇帖子会提供一个不同的观点。接下来,我将从4个方面去理解随机森林模型。
在sklearn随机森林中使用model.feature_importance来研究其重要特征是很常见的。重要特征是指与因变量密切相关的特
由ypyu创建,最终由ypyu更新于
本文内容对应旧版平台与旧版资源,其内容不再适合最新版平台,请查看新版平台的使用说明
新版量化开发IDE(AIStudio):
[https://bigquant.com/wiki/doc/aistudio-aiide-NzAjgKapzW](https://bigquant.com
由clearyf创建,最终由qxiao更新于
Google 2015年11月开源的人工智能系统 数据流(flow)图技术来进行数值计算
节点:数据 / 值运算 边:多维数据(tensors - 张量,python numpy ndarray)的流动
构建图:将计算流程表示成图 执行图:通
由ypyu创建,最终由ypyu更新于
由ypyu创建,最终由ypyu更新于
Python作为一门最热门的语言,现在已经成为数据分析、编程门投资、机器学习的主流语言。
Python是一种计算机程序设计语言。你可能已经听说过很流行的编程语言,比如非常学的C语言,非常流行的Java语言等等,适合初级的基本的JavaScri
由clearyf创建,最终由clearyf更新于
本文介绍了Python中非常重要的数据类型——字典
附件:字典的使用
[https://bigquant.com/experimentshare/12746792311940c2969d62e66309a404](https://bigquant.com/experimentsha
由clearyf创建,最终由clearyf更新于
本文介绍Python编程中非常重要的函数调用与定义的相关知识点。
[https://bigquant.com/experimentshare/8dba3693963948e88c7af73f098c4e5d](https://bigquant.com/experimentshare/
由clearyf创建,最终由clearyf更新于
10分钟了解GBDT+LR模型的来龙去脉
Gradient Boosting Decision Tree + Logistic Regression 建模过程中,解释变量质量的好坏 / 特征的好坏决定了模型的效果的上限,数据的噪音过多也会让模型检验的结果严重失真,而GBDT+LR
由ypyu创建,最终由ypyu更新于
算法交易起源于上世纪中叶的配对交易
历史上最早使用算法交易的例子可以追溯到1949年。对冲基金之父阿尔弗雷德·琼斯,利用空对多3:7的比例进行配对交易,在1955年到1964年间,综合回报率高达28%。到了上世纪60年代早期,投资者开始利用计算机通过分析股票的周线和月线来预测价格运动
由ypyu创建,最终由ypyu更新于
BigQuant平台不仅支持传统机器学习模型,同时还对深度学习模型模块进行了封装,方便用户直接使用策略生成器开发策略,降低策略开发难度。本文对BigQuant平台上策略生成器已经支持的深度学习模块进行简单介绍。
深度学习模型通过功能层进行积木式拼接,典型的模型构架如下:
由clearyf创建,最终由clearyf更新于