摘要：Fama - French 五因子模型（the Fama - French 5 factor model）是由 Eugene F. Fama 和 Kenneth R. French 在三因子模型基础上发展而来的资产定价模型，旨在更全面地解释股票收益率的变化： 模型提出背景 Fama 和 French
阅读全文
摘要：**PCA 因子模型（Principal Component Analysis Factor Model）** 是一种基于主成分分析（PCA）技术构建的因子模型，主要用于从高维金融数据中提取潜在的共同因子，以解释资产收益率的波动规律。以下是其核心要点： 1. 核心原理 主成分分析（PCA）：通过线性
阅读全文
摘要：import numpy as np import math def PriceProcess(sigma,dt, s0=100, total_time=1): prices = s0* (1 + np.cumsum(sigma * np.sqrt(dt) * np.random.choice([1
阅读全文
摘要：模拟交易价格对于量化分析建模很重要，下面是一个简单的价格模拟工具： 首先， 要找到标的的价格波动属性，而标的的波动每天都不一样，下面这个代码可以直观地绘制出价格波动的变化情况： def calculate_volatility(): # 取日线数据 data = get_data(symbol="r
阅读全文
摘要：首先，夏普比率是向后看的。它只考虑历史回报分布和波动性，而不考虑未来发生的回报。当根据夏普比率做出判断时，有一个隐含的假设，即过去将与未来相似。然而，这种情况并非总是如此，尤其是在市场制度变化的情况下。 夏普比率计算假设所使用的回报是正态分布的（即高斯分布）。但是，市场经常遭受高于正态分布的峰度。从
阅读全文
摘要：You： 深度学习金融模型已经有了初步结果,是可用的.需要进一步深化和详细测试. 现在有以下几个需要做的任务: 1. 继续改进模型,微调,做到结果最优. 2 将模型带入交易系统,做适应性修改. 3. 对模型的学习目标做一些调整. 我该如何安排这些事情 ChatGPT： 针对您提出的任务，您可以考虑以
阅读全文
摘要：量化金融里，时序数据的标签： 1、未来价格 2、涨跌方向 3、均值变化价格 4、极值价格 5、未来价格分布概率 6、未来多个时间点价格预判。
阅读全文
摘要：根据近一段时间的体验, 初级的金融数据深度学习, 对算力需求不高. 即使数据集比较大, 也是如此. 如果不能用简单的数据有一个较好的期望值, 这个方向大概率就是错的. 再提高算力和增加数据处理量,意义都不大.
阅读全文
摘要：一个多维数据输入的例子： import torch import torch.nn as nn import numpy as np import matplotlib.pyplot as plt # 构造简单的多维时间序列数据集 def generate_multivariate_time_ser
阅读全文
摘要：据说很好用，先写一个例子看看： import torch import torch.nn as nn import numpy as np import matplotlib.pyplot as plt # 构造简单的时间序列数据集 def generate_time_series(): time
阅读全文
摘要：LSTM ( Long Short Term Memory ) , 对于NLP(自然语言处理)和连续拍照的处理时,有额外的优势.在交易领域,最多的是应用于预判未来走势. 在自然语言处理时,将语句分为一个个单词, 并预判下一个词汇. 同理:在K线图中,最简单的模式是以 OHLCV, 即一个Bar被当作
阅读全文
