深度学习因子选股模型-基于卷积神经网络

用卷积网络处理序列数据

我们知道卷积神经网络(convnet)在计算机视觉问题上表现出色,原因在于它能够进行卷积运算,从局部输入图块中提取特征,并能够将表示模块化,同时可以高效地利用数据。这些性质让卷积神经网络在计算机视觉领域表现优异,同样也让它对序列处理特别有效。时间可以被看作一个空间维度

由ypyu创建,最终由ypyu更新于

遗传规划适应度函数

icir

IC即信息系数(Information Coefficient),表示所选股票的因子值与股票下期收益率的相关系数。IR=IC的均值/IC的标准差。

mutual_info

互信息 参考华泰证券研报 <https://bigquant.com/wiki/doc/yinzi-

由small_q创建,最终由small_q更新于

test

#102
def func(a):
    count = 0  # 当前元素的出现次数
    candidate = None  # 当前出现次数最多的元素
    for num in a:
        if count == 0:  # 当前元素第一次出现

由bqnqc390创建,最终由bqnqc390更新于

Test1

#102
def int_most(arr):
    max_element = None
    max_count = 0
    current_element = None
    current_count = 0

    for element in ar

由bqjdzn7f创建,最终由bqjdzn7f更新于

线性回归

导语

线性回归模型的最大特点就是简单高效,本文将对线性回归做详细介绍。


简介线性回归

线性回归是衡量两个变量之间线性关系的一种建模技术。 如果我们有一个变量X和一个依赖变量X的变量Y,则线性回归可以确定哪个线性模型Y=α+βX能够最好地解释数据。 例如,我们考虑

由clearyf创建,最终由qxiao更新于

StockRanker模型可视化

导语

本文介绍了如何用BigQuant的策略生成器进行StockRanker模型可视化。

使用StockRanker模型

在模型训练之后即可看到模型可视化输出, 包括特征重要性、以及树的分支情况:

![](/wiki/api/attachments.redirect?id=0

由qxiao创建,最终由qxiao更新于

基于LSTM的股票价格预测模型

导语

本文介绍了LSTM的相关内容和在股票价格预测上的应用。


LSTM的股票价格预测

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

神经网络知识梳理——从神经元到深度学习

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

XGBoost的价值选股策略

文献回顾

回顾价值策略

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

10分钟学会Python

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。

语法

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

什么是机器学习

导语

本文介绍了机器学习的相关内容。


先从一个故事讲起

机器学习这个词是让人疑惑的,首先它是英文名称Machine Learning(简称ML)的直译,在计算界Machine一般指计算机。这个名字使用了拟人的手法,说明了这门技术是让机器“学习”的技术。但是计算机是死的,

由clearyf创建,最终由clearyf更新于

遗传规划

由small_q创建,最终由small_q更新于

什么是无监督学习(机器学习)

什么是无监督学习?

顾名思义,“无监督”学习发生在没有监督者或老师并且学习者自己学习的情况下。

例如,考虑一个第一次看到并品尝到苹果的孩子。她记录了水果的颜色、质地、味道和气味。下次她看到一个苹果时,她就知道这个苹果和之前的苹果是相似的物体,因为它们具有非常相似的特征。她知道这和橙子很不一

由qxiao创建,最终由qxiao更新于

用随机森林预测股价走势


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

深度学习

由ypyu创建,最终由ypyu更新于

分页:第1页第2页第3页第4页第5页第20页
{link}