回归算法
从金融角度看，回归算法是一种强大的统计分析工具，广泛应用于风险管理、投资组合优化、股票价格预测等领域。其核心概念是通过探索变量间的关系，构建一个能够解释和预测未来结果的模型。在金融市场中，这意味着可以利用历史数据，如股票价格、市场指数、宏观经济指标等，来预测未来的市场趋势或资产表现。回归算法不仅能揭示单一变量对目标的影响程度，还能考虑多个变量间的交互效应，为复杂金融问题的建模提供了有效手段。尤其在量化投资和风险管理中，回归算法对于识别潜在机会和评估潜在风险具有不可替代的作用，是金融决策科学化的重要支撑。
用线性-回归算法实现A股股票选股
更新
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：2024-05-20 07:17
主动学习（Active Learning）
\
背景
机器学习的研究领域包括有监督学习（Supervised Learning），无监督学习（Unsupervised Learning），半监督学习（Semi-supervised Learning）和强化学习（Reinforcement Learning）等诸多内容。针对有监督学习和半监督学习，都需要一定数量的标注数据，也就是说在训练模型的时候，全部或者部分数据需要带上相应的标签才能进行模型的训练。但是在实际的业务场景或者生产环境中，工作人员获得样本的成本其实是不低的，甚至在某些时候是相对较高的，那么如何通过较少成本来获得较大价值的标注数据，进一步地提升
更新时间：2024-05-20 06:19
17种机器学习回归算法在金融的应用
回归是一种挖掘因变量和自变量之间关系的技术。它经常出现在机器学习中，主要用于预测建模。在本系列的最后一部分中，我们将范围扩大到涵盖其他类型的回归分析及其在金融中的用途。
线性回归
简单线性回归
简单的线性回归允许我们研究两个连续变量之间的关系——一个自变量和一个因变量。
简单线性回归方程的一般形式如下：
其中 (β_{0}) 是截距，(β_{1}) 是斜率，(ϵ_{i}) 是误差项。在这个等
更新时间：2024-05-20 03:17
机器学习有哪些常用算法
导语
通过文章《什么是机器学习》我们大概知晓了机器学习，那么机器学习里面究竟有多少经典的算法呢？本文简要介绍一下机器学习中的常用算法。这部分介绍的重点是这些方法内涵的思想，数学与实践细节不会在这讨论。
回归算法
在大部分机器学习课程中，回归算法都是介绍的第一个算法。原因有两个：一.回归算法比较简单，介绍它可以让人平滑地从统计学迁移到机器学习中。二.回归算法是后面若干强大算法的基石，如果不理解回归算法，无法学习那些强大的算法。回归算法有两个重要的子类：即 线性回归 和 逻辑回归 。
线性回归就是我们前面说过的房价求解问题
更新时间：2024-05-20 02:09
【历史文档】策略示例-用梯度提升树回归算法实现A股股票选股
更新
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：2024-05-16 02:00
【历史文档】策略示例-用随机森林回归算法实现A股股票选股
更新
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：2024-05-16 02:00
两种机器学习回归算法在金融的应用
#逻辑回归
这也称为 logit 回归。逻辑回归是一种基于过去数据预测事件二元结果的分析方法。
当因变量是定性的并且取二进制值时，它被称为二分变量。
如果我们使用线性回归来预测这样的变量，它将产生 0 到 1 范围之外的值。此外，由于二分变量只能取两个值，残差不会围绕预测线呈正态分布。
Logistic 回归是一种非线性模型，它产生一条逻辑曲线，其中值限制为 0 和 1。
将此概率与阈值 0.5 进行比较，以决定将数据最终分类为一个类别。因此，如果一个类的概率大于 0.5，则将其标记为 1，否则标记为 0。
金融中逻辑回归的用例之一是它可以用来预测股票的表现。
#分位数回归
更新时间：2023-10-09 07:12
随机森林策略初步尝试
本文主要有以下几点改进： 1.特征：加入新特征，beta，macd，willr等。 2.模型：使用随机森林，其中树的个数限制为15，树的最大深度为25，防止过拟合。使用回归算法而不是分类算法。 3.标注：使用（卖出价格-买入价格）/ 买入价格作为标签。 4.回测：股票资金分配，使得排名靠前的股票能分配到更多资金投入，加入止损策略（跌破3%止损）。
T.norm([1 / math.exp(i) for i in range(0, stock_count)]) #[0.3391,0.2139,0.1695,0.1460,0.1312]
更新时间：2022-11-20 03:34
用k-近邻回归算法实现A股股票选股
更新时间：2021-11-30 02:54
机器学习常见算法
导语
机器学习里面究竟有多少经典的算法呢？本文简要介绍一下机器学习中的常用算法。这部分介绍的重点是这些方法内涵的思想，数学与实践细节不会在这讨论。
回归算法
在大部分机器学习课程中，回归算法都是介绍的第一个算法。原因有两个：一.回归算法比较简单，介绍它可以让人平滑地从统计学迁移到机器学习中。二.回归算法是后面若干强大算法的基石，如果不理解回归算法，无法学习那些强大的算法。回归算法有两个重要的子类：即 线性回归 和 逻辑回归 。
线性回归就是我们前面说过的房价求解问题。如何拟合出一条直线最佳匹配我所有的数据？一般使用“最小二乘法”来求解。“最小二乘法”的思想是
更新时间：2021-08-18 06:37
用线性随机梯度下降-回归算法实现A股股票选股
更新时间：2021-07-30 08:12
用多层感知器-回归算法实现A股股票选股
更新时间：2021-07-30 07:26
用支持向量机-回归算法实现A股股票选股
更新时间：2021-07-30 07:26