消息在股票交易中有很大的影响力,如果没有对消息的处理会导致策略经常中雷,怎么办呢?
更新时间:2025-02-15 14:25
Softmax要解决这样一个问题:我有一个向量,想用数学方法把向量中的所有元素归一化为一个概率分布。也就是说,该向量中的元素在[0,1]范围内,且所有元素的和为1。
Softmax就是这个数学方法,本质上是一个函数。
假设我们有一个k维向量z,我们想把它转换为一个k维向量 ,使其所有元素的范围是[0,1]且所有元素的和为1,函数表达式是:
:
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 02:09
我们今天分享的四种模型,包括上次分享的逻辑回归,都是一些轻量级的分类模型,适用于数据量少,特征量少的分类任务
\
支持向量机(Support Vector Machine)是在神经网络流行之前最强大的机器学习算法
SVM在二分类问题上的逻辑原理是:
比方说以下图像中
排名前10股票公示(采用倒序,601012排名第一),拭目以待
更新时间:2022-03-02 06:13
使用机器学习算法的寻规软件其实10几年前就开始有,但那个时候CPU计算能力不强也没有GPU的加持所以使用了一些特殊的优化技术比如寄存器优化的算法,但是限定了算法的能力和数据的规模。随着计算密集型应用大部分都逐步使用以NAVIDA公司的GPU提供的CUDA接口来优化算法性能,算法性能得到了极大的提升。
正是顺应这样的潮流,国内有这样一家创新小公司他们将机器学习算法中的GP基因编程算法使用GPU优化,性能得到了百倍提升,再结合量化系统所需的数据处理,信息加工和策略生成、回测、评价等功能,做成了一套适合普通投资者或者专业量化投资者的一站式的量化策略平台。该平台优势和重
更新时间:2021-12-06 06:45
国内量化发展已有十余年,各家机构投资者的Alpha因子库已有较大规模,这时面临的问题是,继续花时间和精力进行因子挖掘扩充因子库是否划算,还能带来多少增量收益。我们尝试将近年来兴起的机器学习算法应用到Alpha模型上,进行低频层面的因子挖掘,考察机器因子库相对人工因子库的增量
本文首先利用遗传规划算法进行因子挖掘,再将机器因子库与人工因子库通过随机森林模型转换为预测收益率,从组合层面进行因子库效果的整体比较。考虑到技术类因子和财务类因子历史表现差别较大,我们将这两类因子的挖掘和对比分开进行
遗传规划是一种启发式的进化策略算法,可以用来进行选股因子挖掘。遗传规划算法的主要想法是模拟自然界中生物
更新时间:2021-11-22 10:54
本篇是系统化资产配置系列报告的第三篇,对如何利用机器学习算法进行短期市场择时进行了系统介绍。
全球金融市场每天产生海量的各类数据,如何筛选并有效利用这些数据来预测股票市场走势一直是一个重要但棘手的问题。
短期择时面临的主要困难包括:
1.短期市场走势受情绪等因素影响较大;
2.如何筛选有效因子;
3.非线性因子如何建模;
4.因子相关性问题如何解决;
5.因子较多时如何避免过拟合等。
幸运的是,机器学习技术的发展给我们提供了一条有效利用并筛选大量因子数据的途径。
本报告中,我们将股市未来的涨和跌定义为一个分类问题,利用机器学习算法来
更新时间:2021-11-22 09:29