机器学习之“深度学习”
1958 年感知机的诞生以及1986 年反向传播算法的出现,为深度学习奠定了基础。
1989 年,卷积神经网络(CNN)首次被提出,共用卷积核的方式很大程度上减少了模型中需要被训练的参数,在图像识别等方面有更好表现。
2000 年,一类非常重要的循环神经网络(RNN),长短期记忆神经网络(LST
由ftkj2018创建,最终由ftkj2018更新于
1958 年感知机的诞生以及1986 年反向传播算法的出现,为深度学习奠定了基础。
1989 年,卷积神经网络(CNN)首次被提出,共用卷积核的方式很大程度上减少了模型中需要被训练的参数,在图像识别等方面有更好表现。
2000 年,一类非常重要的循环神经网络(RNN),长短期记忆神经网络(LST
由ftkj2018创建,最终由ftkj2018更新于
时间:2021年5月
作者:Raoul Khouri
[/wiki/static/upload/9c/9cc596f2-0684-45d5-95c7-c417f034b8eb.pdf](/wiki/static/upload/9c/9cc596f2-0684-45d5-95c7-c417f034
由xsj4321创建,最终由xsj4321更新于
作者:Murphy N. J., Gebbie T. J.
出处:Quantitative Finance, 2021-03
摘要:本文使用了一种基于对抗型专家的在线学习算法来学习,
由xinyugongxiang创建,最终由xinyugongxiang更新于
[https://bigquant.com/experimentshare/2d9488a9b36342898a1431052bc78d08](https://bigquant.com/experimentshare/2d9488a9b36342898a1431052bc78d0
由w17744520135创建,最终由w17744520135更新于
[https://bigquant.com/experimentshare/41ba8c41f99346a6872f3ecac3a50c80](https://bigquant.com/experimentshare/41ba8c41f99346a6872f3ecac3a50c8
由w17744520135创建,最终由w17744520135更新于
[https://bigquant.com/experimentshare/41ba8c41f99346a6872f3ecac3a50c80](https://bigquant.com/experimentshare/41ba8c41f99346a6872f3ecac3a50c8
由xianzhen1yi创建,最终由xianzhen1yi更新于
以下为平台优秀开发者持续分享的策略思路和源码,帮助每一位平台上的quant开拓思路,开发出超额收益越来越高的策略。
[Stockranker评分的另类用法](/wiki/doc/
由junglewolfz创建,最终由junglewolfz更新于
在BigQuant上做股票数据分析和可视化展示真是太方便了。只需要写两行代码,其他都是搭积木。
在交易中是否我们常常会想一个已经连续涨的股票(比如3天),继续上涨的概率大么?(好吧,这很散户思维,只考虑了一个维度)。除了看连续上涨的股票上涨概率,我们还需要用全市场股票上涨情况做为对比(不然就很业余
由kenh创建,最终由kenh更新于
\
由ilangge创建,最终由ilangge更新于
由chenao1106创建,最终由chenao1106更新于
由zhanghaifeng31创建,最终由zhanghaifeng31更新于
[https://bigquant.com/experimentshare/db77da51e66542a783b761bca71d9d4a](https://bigquant.com/experimentshare/db77da51e66542a783b761bca71d9d4a
由sztuwhr创建,最终由sztuwhr更新于
[https://bigquant.com/experimentshare/41ba8c41f99346a6872f3ecac3a50c80](https://bigquant.com/experimentshare/41ba8c41f99346a6872f3ecac3a50c8
由w17744520135创建,最终由w17744520135更新于
[https://bigquant.com/experimentshare/2d9488a9b36342898a1431052bc78d08](https://bigquant.com/experimentshare/2d9488a9b36342898a1431052bc78d0
由w17744520135创建,最终由w17744520135更新于
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
由xld940830创建,最终由xld940830更新于
[https://bigquant.com/experimentshare/db77da51e66542a783b761bca71d9d4a](https://bigquant.com/experimentshare/db77da51e66542a783b761bca71d9d4a
由kenh创建,最终由kenh更新于
[https://bigquant.com/experimentshare/db77da51e66542a783b761bca71d9d4a](https://bigquant.com/experimentshare/db77da51e66542a783b761bca71d9d4a
由aben创建,最终由aben更新于
[https://bigquant.com/experimentshare/2a00653732244481a8a60eabac272d5a](https://bigquant.com/experimentshare/2a00653732244481a8a60eabac272d5a
由wfox1980创建,最终由wfox1980更新于
发现很少人研究抓龙头的策略,写了一个模型试试看。
感觉槽点是Label 龙头股的方法,考虑的比较天真,还需要继续改进 模型是GBT regression,Label是给龙头股打分 window内分数高的具有:涨幅高,回撤小,突破的时间早。 以此为idea 做label
还有个思路,是用概念板块的
由qwsbn创建,最终由qwsbn更新于
作者:woshisilvio
AI量化策略的训练时间影响模型的结果,导致在调试的过程中拿不准该如何思考和选择训练时间,我们从以下三个方面探讨训练时间该如何选择?
针对特定的一段回测时间作为验证集, 检验训练时间的变化是否让模型带来很大变化?
由sherleyyu创建,最终由sherleyyu更新于
作者:陈奥(chenao1106)
量化的目的之一是把通过对历史数据的规律研究,转化成投资决策。本次分享从具体的案例出发,如何快速把历史数据的经验,转化成自己的经验,进行投资交易决策。例如,2022年2月24日,大盘大跌,下跌股票数:3900+,上涨股票数600+,大跌行情下,如何操
由matrixreloaded创建,最终由matrixreloaded更新于
作者:woshisilvio
AI量化策略的训练时间影响模型的结果,导致在调试的过程中拿不准该如何思考和选择训练时间,我们从以下三个方面探讨训练时间该如何选择?
针对特定的一段回测时间作为验证集, 检验训练时间的变化是否让模型带来很大变化?
由duke创建,最终由duke更新于
作者:woshisilvio
AI量化策略的训练时间影响模型的结果,导致在调试的过程中拿不准该如何思考和选择训练时间,我们从以下三个方面探讨训练时间该如何选择?
针对特定的一段回测时间作为验证集, 检验训练时间的变化是否让模型带来很大变化?
由duke创建,最终由duke更新于
作者:woshisilvio (全文共913字,阅读约需2分钟)
笔者一直疑惑的一点就是 我们的模型每天这样选股,赚钱的效应究竟是随机的,还是可控?
模型有没有真正的学到市场中的规律,挖掘到了alpha? 靠AI模型 来赚钱 究竟靠不靠谱?
对于
由woshisilvio创建,最终由woshisilvio更新于
大型期货公司,速度快,通道稳定,欢迎各位投资者,手续费加一分,量大可返还。
软件平台+通道 :快期,文华,TB开拓者,MC达钱,易盛,飞创,ctp,ctp二席,ctp极速,ctp迷你,恒生VIP,飞马,盛立高频,广策高频,股票期权
可以对接自研量化平台
欢迎加V信沟通:1-3-6-5-1-3-
由qingbaizhinian1创建,最终由qingbaizhinian1更新于