user3558B+可以做一期关于DNN跟CNN在短线因子跟长中线因子讲解吗?
短周期
https://bigquant.com/experimentshare/d3a4560c6c0e4b4683c23c3ffff1315e
长周期
[https://bigquant.com/experimentshare/12338701162d46f0a801d9be76bf895a](https://bigquant.
更新时间:2024-06-07 10:55
DNN和CNN正则化参数是否可以只调L2的kernal_regularizer参数,其他参数是否需要调整? 是否从0.0001开始调,往大还是往小调?
https://www.bilibili.com/video/BV1aQ4y1U7ua?share_source=copy_web
[https://bigquant.com/experimentshare/e3a8039885734d5ea0fabe7c6e
更新时间:2024-06-07 10:55
2021年8月5日Meetup问题:深度学习的学习率在哪里可以调整,训练集和测试集的loss如何打印到一张图上,early_stop如何设置?深度学习的权值初始化方法对结果影响很大,能否做个全面介绍,CNN,lstm,mlp一般试用哪种初始化方法。lstm或者cnn后面接的mlp一般用几层为好?mlp的神经元数量一般要相较输入层扩充几倍?
[https://bigquant.com/experimentshare/c0853836ac224f7ab02c97acce9f973f](https://bigquant.com/experimentshare/c0853836ac224f7ab02
更新时间:2024-06-07 10:55
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
新版模版策略:
https://bigquant.com/wiki/doc/demos-ecdRvuM1TU
新版数据平
更新时间:2024-06-07 10:55
本文为旧版实现,仅供学习参考。
https://bigquant.com/wiki/doc/demos-ecdRvuM1TU
https://bigquant.com/experimentshare/c13d6baefe5d4c75bb87eea9364b0f75
\
更新时间:2024-06-07 10:55
更新时间:2024-06-07 10:55
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特征抽取、模型建立、参数优化、实现预测的过程,其中运用了多种机器学习方法,比如BERT进行文本情绪分析、傅里叶变换提取总体趋势、autoencoder识别高级特征、XGboost实现特征重要性排序等。本文学习的思路是:GAN算法概览 – 项目思路 – 项目详解。拟在学习完成后,在Bigquant平台
更新时间:2024-05-20 02:09
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 Neural Network, CNN),是计算机视觉研究和应用领域中最具影响力的模型之一。同样,如果将时间看作一个空间维度,类似于二维图像的高度或宽度,CNN也可以对时间序列处理产生令人惊喜的效果。本文首先大致介绍了CNN的原理,然后详细解释了一维CNN模型如何进行应用于时间序列并进行特征选取,最后以一个实
更新时间:2024-05-20 02:09
在MNIST上只有91%正确率,实在太糟糕。在这个小节里,我们用一个稍微复杂的模型:卷积神经网络来改善效果。这会达到大概99.2%的准确率。虽然不是最高,但是还是比较让人满意。
卷积层(Convolutional layer),卷积神经网路中每层卷积层由若干卷积单元组成,每个卷积单元的参数都是通过反向传播算法优化得到的。卷积运算的目的是提取输入的不同特征,第一层卷积层可能只能提取一些低级的特征如边缘、线条和角等层级,更多层的网络能从低级特征中迭代提取更复杂的特征。
线性整流层(Rectified Linea
更新时间:2024-05-20 02:09
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
新版模版策略:
https://bigquant.com/wiki/doc/demos-ecdRvuM1TU
新版数据平
更新时间:2024-05-17 10:30
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
新版模版策略:
https://bigquant.com/wiki/doc/demos-ecdRvuM1TU
新版数据平
更新时间:2024-05-17 08:24
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
新版模版策略:
https://bigquant.com/wiki/doc/demos-ecdRvuM1TU
新版数据平
更新时间:2024-05-17 06:49
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
新版模版策略:
https://bigquant.com/wiki/doc/demos-ecdRvuM1TU
新版数据平
更新时间:2024-05-17 03:48
\
{{membership}}
https://bigquant.com/codeshare/ccbddd56-eddd-4a7f-95e2-88e8a0432a3d
\
更新时间:2024-04-25 07:40
更新时间:2024-02-01 15:49
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
更新时间:2023-11-28 10:03
更新时间:2023-10-09 07:46
如题:CNN模块中的卷积层和LSTM模块在可视化工作界面通过连线连接,他们之间是通过什么原理进行融合和连接的呢?
希望得到平台工程师的解答,谢谢!
更新时间:2023-10-09 07:07
求助平台策略工程师
我在改LSTM+CNN代码时,把输入特征改为15维时,运行不成功
策略地址为:https://bigquant.com/codeshare/8b2a7e00-18b2-4fd4-8777-6875307dae1e
\
更新时间:2023-10-09 03:22
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
\
更新时间:2023-10-09 03:16
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。
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
更新时间:2023-06-29 08:42
\
更新时间:2023-06-27 03:23
<ERROR: moduleinvoker: module name: dl_layer_lstm, module version: v1, trackeback: RuntimeError: Physical devices cannot be modified after being initialized>
请问是什么原因?配置了一块GPU,重启了开发环境也不行,一直提示这个错误
[https://bigquant.com/experimentshare/ad9ddc0550d64dfa933ceaaf28f61e21](https://bigquant.com/exp
更新时间:2023-06-01 02:13
cnn的AI程序,滚动窗口设为5时,模拟交易推送的股票和回测时一致(1月4号都推送买入300703);
滚动窗口设为10,模拟交易推送的股票和回测时的就不一致(推送提示1月4号买入300703,运行程序看日志提示:
order[09:30:00][id:fbe4a9,603586.SHA 16272.889415922053@MARKET],即买入603586)。
试了各种办法,社区的方法都试了也都不行,哪位大神知道是什么原因?
更新时间:2023-06-01 02:13
https://bigquant.com/wiki/doc/yi-moxing-zhineng-celve-wLs8ZhDu4k
https://bigquant.com/experimentshare/59020df25be24cb4adc9be04d41c30a7
重启开发环境再运行一次
更新时间:2022-12-20 14:20