过拟合

在金融领域,"过拟合"是一个重要概念,尤其在使用复杂模型和算法进行数据分析和预测时。过拟合主要指的是模型在训练数据上表现过于优越,以至于把训练数据中的噪声或特殊情况也考虑进去,从而使得模型在新的、未见过的数据上表现不佳。 更具体地说,当一个模型过度拟合训练数据时,它会将自身调整得过于复杂,以适应训练数据中的每一个细节。这导致模型对训练数据的预测非常准确,但对新数据的预测能力大大降低。在金融市场的应用中,这可能意味着模型在历史数据上表现良好,但在实际交易中却无法实现预期的回报。 过拟合的原因有很多,例如训练数据量不足、模型复杂度过高、训练时间过长等。为了防止过拟合,金融从业人员通常会采用一系列策略,如交叉验证、使用正则化方法、提前停止训练、增加训练数据量、降低模型复杂度等。这些方法的目标都是使模型能够在不见过的数据上保持稳健的预测性能,从而在实际金融决策中提供可靠的依据。

深度学习在期货高频上的应用

8月19日Meetup问题模板:

https://bigquant.com/experimentshare/f58dbfb388454407b8a2b99eb14cf1ea

\

更新时间:2025-04-15 07:19

深度学习的特征裁剪值调整

https://bigquant.com/experimentshare/900f6943cf024d2d90f10135afcad089

值调整

更新时间:2025-04-15 07:19

如何在全连接层中自定义swish激活函数

问题

如何在全连接模块中自定义swish激活函数的代码

\

视频

https://www.bilibili.com/video/BV1DL4y1w7sb?share_source=copy_web

策略源码

[https://bigquant.com/experimentshare/9f1dae69e055429c9922b4f5d038361a](https://bigquant.com/experimentshare/9f1d

更新时间:2025-04-15 07:19

LSTM+CNN深度学习预测股价

旧版声明

本文为旧版实现,仅供学习参考。

https://bigquant.com/wiki/doc/demos-ecdRvuM1TU

策略案例

https://bigquant.com/experimentshare/c13d6baefe5d4c75bb87eea9364b0f75

\

更新时间:2025-04-15 07:19

59th Meetup

本期提问者:bq22fw19、bq61ym2n、1855680***、bqhz06vb

因子挖掘

如何利用市场信息?

利用市场信息进行量化投资主要涉及以下步骤:

  1. 数据收集:首先,需要收集和整理市场数据,包括股票价格、交易量、基本面数据、新闻、宏观经济数据等。这些信息可以从各种数据供应商或公开数据源获取。
  2. 数据预处理:对收集到的数据进行清洗和预处理,处理缺失值、异常值、重复值等,保证数据的准确性和完整性。
  3. 特征工程:根据投资策略和模型需求,进行特征工程,提取有价值的特征和信号。
  4. 模型构建:选择合适的模型(如回归模型、机器学习模型、深度学习模型

更新时间:2025-04-15 07:19

CNN正则化参数调整

https://bigquant.com/experimentshare/e3a8039885734d5ea0fabe7c6e7d3c90

\

更新时间:2025-04-15 07:19

深度学习在期货高频上的应用

问题

深度学习在期货高频上的应用

策略源码

8月19日Meetup问题模板:

https://bigquant.com/experimentshare/f58dbfb388454407b8a2b99eb14cf1ea

\

更新时间:2025-04-15 07:19

通过什么指标或方法进行训练集时间段的选择呢?

问题

在训练模型的时候,训练集的时间段和当前市场风格越接近,实盘效果越好。那么,通过什么指标或方法进行训练集时间段的选择呢?

视频

https://www.bilibili.com/video/BV1Gi4y1Z71L?share_source=copy_web

\

更新时间:2025-04-15 07:19

逻辑回归和交叉熵

策略源码:

{{membership}}

https://bigquant.com/codeshare/e9c1b98b-e596-4e90-941d-cdb93af92c2e

\

更新时间:2025-04-15 07:19

tabnet如何使用调参?

问题

tabnet如何使用调参?

视频

https://www.bilibili.com/video/BV1ZQ4y1m75U?share_source=copy_web

策略源码

TabNet在量化选股中的应用

更新时间:2025-04-15 07:19

三因子加工

{{membership}}


https://bigquant.com/codeshare/a04ad103-6217-4484-a57c-81cc1e64fdf6

\

更新时间:2025-04-15 07:19

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:2025-04-14 04:26

【平台使用】用财务因子怎么构建机器学习策略?

\

更新时间:2025-02-16 02:18

【代码报错】训练过程中报错,请问该怎么解决

https://bigquant.com/codeshare/10296b06-11cf-475f-80e7-81b7f0fbc5d5

\

更新时间:2025-02-16 01:32

【平台使用】关于DQN模型错误,为什么错,怎么操作,怎么构架一个优秀的深度强化模型

https://bigquant.com/codeshare/e91330dd-e6b5-40ca-ba6a-b76050db6c40

\

更新时间:2025-02-16 01:27

【平台使用】“StockRanker训练”模块使用以前训练保存的模型作为”基础模型“继续训练报错

https://bigquant.com/experimentshare/e2289bba09a64d1cb84d9412e72ae393

\

更新时间:2025-02-16 01:15

【其他】请问如何搭建简单的resnet

问题

请问如何搭建简单的resnet

就给我展示最小单元好了

更新时间:2025-02-16 01:14

【其他】DNN模型训练次数越多,效果越差?

DNN模型进行训练

Epoch设为1000,训练得出的效果反而比设为5更差,是什么原因?如何选择训练后的最好模型进行保存?谢谢!

更新时间:2025-02-16 01:12

【其他】请问StockRanker如何正则化 防止过拟合

问题

请问StockRanker如何正则化 防止过拟合 如果有模块请问输入输出可以链接什么

更新时间:2025-02-16 01:12

【代码报错】Transformer模型固化后预测出错?

{w:100}

\

更新时间:2025-02-16 01:06

【其他】Tabnet如何实现分类任务

https://bigquant.com/experimentshare/75aff243f241447da1d1994ed9d29c44

如何实现分类任务啊,怎么在原有策略上修改

更新时间:2025-02-15 15:36

【平台使用】stockranker训练时出错的问题

{w:100} {w:100}

更新时间:2025-02-15 15:16

【其他】如何优化策略?

请问:

比如,我开发一个策略,回测两年时间,前一年的表现很好,后一年的表现很差,那么该如何优化让策略长期表现一致呢?

谢谢

更新时间:2025-02-15 14:46

【代码报错】二分类模型的评估组件报错

https://bigquant.com/experimentshare/20119409c088405dbb7e14dca685958a

\

更新时间:2025-02-15 14:38

【其他】如何只选择中证1000成分股进行回测

如标题

更新时间:2025-02-15 13:24

分页第1页第2页第3页第4页
{link}