随笔分类 -  机器学习与金融

AVL树和红黑树的Python代码实现
摘要：AVL树和红黑树的Python代码实现AVL树 AVL树是一种自平衡二叉搜索树。在这种树中，任何节点的两个子树的高度差被严格控制在1以内。这确保了树的平衡，从而保证了搜索、插入和删除操作的高效性。AVL树是由Georgy Adelson-Velsky和Evgenii Landis在1962年发明的，因此得名（Adelson-Velsky 阅读全文
posted @ 2023-12-20 16:26 BigQuant量化 阅读(139) 评论(0) 推荐(0) 编辑
如何对连续型数据进行离散化处理，并进行OneHot编码？
摘要：如何对连续型数据进行离散化处理，并进行OneHot编码，最终将OneHot编码作为特征因子输入模型？ 什么是OneHot编码 One-Hot编码是分类变量作为二进制向量的表示。这首先要求将分类值映射到整数值。然后，每个整数值被表示为二进制向量，除了整数的索引之外，它都是零值，它被标记为1。 通过这个 阅读全文
posted @ 2022-11-15 14:51 BigQuant量化 阅读(44) 评论(0) 推荐(0) 编辑
机器学习因子：在线性因子模型中捕捉非线性
摘要：本文由BigQuant翻译来自于MSCI研究，原文标题为《机器学习因子:在线性因子模型中捕捉非线性》 作者：George Bonne, Jun Wang, Howard Zhang 发表时间：2021年3月 概要 虽然机器学习(机器学习)算法已经存在了几十年，但最近它们在包括金融在内的许多领域受到了 阅读全文
posted @ 2022-10-17 13:34 BigQuant量化 阅读(185) 评论(0) 推荐(0) 编辑
免费学习机器学习交易的资源
摘要：机器学习是当今几乎每个行业的需求。医药、交通、医疗保健、广告和金融技术等行业非常依赖机器学习。谈到金融技术领域，算法交易实践对于机器学习算法非常有效。有各种资源可用于学习机器学习交易，但本文旨在让您可以访问学习机器学习交易的免费资源。 电子书 如何使用机器学习进行交易？, 由量子 这本电子书包含所有 阅读全文
posted @ 2022-07-13 18:02 BigQuant量化 阅读(21) 评论(0) 推荐(0) 编辑
一文读懂遗传算法（附python）
摘要：几天前，我着手解决一个实际问题——大型超市销售问题。在使用了几个简单模型做了一些特征工程之后，我在排行榜上名列第 219 名。 虽然结果不错，但是我还是想做得更好。于是，我开始研究可以提高分数的优化方法。结果我果然找到了一个，它叫遗传算法。在把它应用到超市销售问题之后，最终我的分数在排行榜上一下跃居 阅读全文
posted @ 2022-07-04 15:41 BigQuant量化 阅读(141) 评论(0) 推荐(0) 编辑
机器学习中的无监督学习是什么？
摘要：什么是无监督学习？ 顾名思义，“无监督”学习发生在没有监督者或老师并且学习者自己学习的情况下。 例如，考虑一个第一次看到并品尝到苹果的孩子。她记录了水果的颜色、质地、味道和气味。下次她看到一个苹果时，她就知道这个苹果和之前的苹果是相似的物体，因为它们具有非常相似的特征。 她知道这和橙子很不一样。但是 阅读全文
posted @ 2022-07-04 14:43 BigQuant量化 阅读(68) 评论(0) 推荐(0) 编辑
七种量化选股模型
摘要：1.多因子模型 多因子模型是应用最广泛的一种选股模型，基本原理是采用一系列的因子作为选股标准，满足这些因子的股票则被买入，不满足的则卖出。 基本概念 举一个简单的例子：如果有一批人参加马拉松，想要知道哪些人会跑到平均成绩之上，那只需在跑前做一个身体测试即可。那些健康指标靠前的运动员，获得超越平均成绩 阅读全文
posted @ 2022-01-05 14:50 BigQuant量化 阅读(196) 评论(0) 推荐(0) 编辑
2021AI量化投资训练营重磅升级，自带编程的优势显而易见
摘要：量化交易规模突破万亿大关 国内量化交易规模快速发展，今年量化基金已突破万亿大关，并且量化私募的整体业绩十分亮眼，过去5年一线量化私募的超额收益基本在20%~30%，量化交易的占比已达到20%～30%（BigQuant开第一期培训的时候还不到10%），可见量化的发展迅猛，未来也会以更快地速度占领交易市 阅读全文
posted @ 2021-09-15 16:43 BigQuant量化 阅读(31) 评论(0) 推荐(0) 编辑
利用CNN对股票“图片”进行涨跌分类——一次尝试
摘要：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 阅读全文
posted @ 2020-12-17 14:12 BigQuant量化 阅读(23) 评论(0) 推荐(0) 编辑
如何写好策略——因子篇（二）：因子是否越多越好？
摘要：在这个模型里的18个因子，难以衡量每个因子的作用。目前有一套shap包，对黑箱有一定的解释性。这个解释原理比较简单，按照添加该因子的顺序观察结果变化。比如添加该因子前和添加因子后，模型输出结果的变化是否发生了变化，结果对模型的敏感度或者贡献度有什么影响，这个可以评判因子对预测值起到了拉高还是降低的作 阅读全文
posted @ 2020-12-05 16:45 BigQuant量化 阅读(15) 评论(0) 推荐(0) 编辑
【干货】开发AI量化策略所遇到的坑
摘要：AI只是工具，想要驾驭AI还得自身有点功底，不然反而会被工具所害，甚至从信仰AI变为抵制AI。本文简单介绍开发AI量化选股策略中所遇到的各种坑，希望大家有所收获，少走弯路。 本文主要从思想和实操两个层面分享下我在开发AI量化选股策略中所遇到的各种坑，也希望各位小伙伴能够进行补充。 策略思想逻辑层面 阅读全文
posted @ 2020-12-03 16:10 BigQuant量化 阅读(2) 评论(0) 推荐(0) 编辑
Pandas数据可视化工具——Seaborn用法整理（下）
摘要：本文是基于StackAbuse的一篇讲解Seaborn的文章 上编写。 附示例及实现代码，可直接前往文末 一键克隆代码 进行实践研究。 在前一篇文章 Pandas数据可视化工具——Seaborn用法整理（上），我们了解了如何使用这些Seaborn代码绘制分布图和分类图。在本文中，我们将继续讨论Sea 阅读全文
posted @ 2020-12-01 17:46 BigQuant量化 阅读(7) 评论(0) 推荐(0) 编辑
机器学习常用算法盘点
摘要：本文将带你遍历机器学习领域最受欢迎的算法。系统地了解这些算法有助于进一步掌握机器学习。当然，本文收录的算法并不完全，分类的方式也不唯一。不过，看完这篇文章后，下次再有算法提起，你想不起它长处和用处的可能性就很低了。本文还附有两张算法思维导图供学习使用。 在本文中，我将提供两种分类机器学习算法的方法。 阅读全文
posted @ 2020-11-30 18:47 BigQuant量化 阅读(3) 评论(0) 推荐(0) 编辑
基于Barra多因子模型的组合权重优化
摘要：本篇文章有别于传统的多因子研究，我们并未将重点放在阿尔法因子的挖掘上，而是通过对股票组合的权重优化计算，找到了在市值中性、行业中性、风格因子中性约束下的最优投资组合，以及验证得到的组合权重是否满足了约束条件。 结构化多因子风险模型首先对收益率进行简单的线性分解，分解方程中包含四个组成部分：股票收益率 阅读全文
posted @ 2020-11-30 18:20 BigQuant量化 阅读(115) 评论(0) 推荐(0) 编辑
基于DNN模型的智能选股策略
摘要：1、DNN原理介绍 1.1 神经元 1.2 DNN 1.3 反向传播 2、实例：DNN模型选股 2.1 策略步骤和模型参数 2.2 回测结果 1. DNN原理介绍 1.1 神经元 神经网络的每个单元结构如下： 图1.神经元结构 其对应公式如下： h W , b ( x ) = f ( W T x ) 阅读全文
posted @ 2020-11-30 18:07 BigQuant量化 阅读(27) 评论(0) 推荐(0) 编辑
WorldQuant 101 Alpha因子构建及因子测试
摘要：背景介绍 根据WorldQuant发表的论文《101 Formulaic Alphas 》 ，其中公式化地给出了101个alpha因子。与传统方法不一样的是，他们根据数据挖掘的方法构建了101个alpha，据说里面80%的因子仍然还行之有效并被运用在实盘项目中。 在BigQuant策略研究平台上，可 阅读全文
posted @ 2020-11-30 17:21 BigQuant量化 阅读(131) 评论(0) 推荐(0) 编辑
研究分享：用随机森林预测股价走势
摘要：机器学习已经广泛地应用在对于资产市场的分析中，在量化投资中尤为显著。但是，在浩如烟海的机器学习算法中，到底哪种算法能取得更优的预测效果呢？发表在《Applied Mathematical Finance》的这篇文章利用随机森林算法对股价d天之后的涨跌方向进行了预测。发现相比于SVM、线性判别分析等模 阅读全文
posted @ 2020-11-30 10:34 BigQuant量化 阅读(156) 评论(0) 推荐(0) 编辑

点击右上角即可分享
微信分享提示