摘要：
NameError: name 'tf' is not defined 报错如下： /opt/conda/lib/python3.6/site-packages/tensorflow/python/keras/layers/core.py in <lambda>(x) 307 It defaults 阅读全文
摘要：
ValueError: The two structures don't have the same sequence length. Input structure has length 4, while shallow structure has length 3. 整体报错： /opt/con 阅读全文
摘要：
12 - 检验中的假设条件 检验流程中的另一组成部分是假设条件，这些有关交易策略的假设条件在历史上已被检验。这里我们讨论两个例子：交易成本和（股票市场中性策略或多头/空头策略）空头头寸的可得性。 交易成本已经被研究过，包含佣金和手续费、滑点、市场冲击。因此，研究员必须做出一些假设，假设订单因为市场冲 阅读全文
摘要：
Tf2 ValueError: A merge layer should be called on a list of inputs 问题描述 最近遇到了一个tensorflow的问题，在load已经save下来的模型的时候，发生了报错： /opt/conda/lib/python3.6/site- 阅读全文
摘要：
11 - 样本外检验 样本外检验（out-of-sample testing）是检验流程中的第二部分，是告知研究员去除样本内检验中那些虚拟表格（cheat sheet）的帮助后，策略在实际中是否起作用。 许多宽客使用的另一个统计量是样本外检验的R2与样本内检验的R2的比值。这个比率是度量模型鲁棒性的 阅读全文
摘要：
10 - 拟合 然而，在判定量化策略的优度时，仍有一个极其重要的指导原则，这就是过度拟合。模型的过度拟合本质上意味着研究员使用过多的数据。最经典的定义是研究员建立了一个能够很好解释过去的模型，但对未来解释性较差。这可能发生于几种情况。 第一，研究员必须对模型的复杂度加以注意。模型的复杂度来自几个方面 阅读全文
摘要：
胜率或盈利时间占比 胜率这个百分比是一致性的另一种度量方法。这个指标告诉研究者系统盈利是来自小比例的偶然表现极其优秀的交易，还是来自很多交易，每笔交易可能都贡献微小的利润。类似地，可以使用盈利周期与总周期数的比值简单度量（这通常是用胜率或者盈利天数百分比进行度量）。对于两种度量方法，人们对具有更强一 阅读全文
摘要：
宽客和科学家存在着重大区别。科学家基于很多目的进行研究，包括了解自然世界的真相。而且在自然科学领域，一个良好的理论，既很好地被证据所支持且有着广泛的实际应用价值，例如爱因斯坦的相对论，并不需要为了继续有效而修正。 相反，量化研究不得不进行持续的研究，采取措施确保研究成果丰富多产。这是因为，自然是相对 阅读全文
摘要：
008 - 检验 （1） 检验是研究的中心。初看上去，这个过程的最常见版本看上去相当简单。首先，构建模型，并基于可行数据的某个子集（样本内数据，in-sample period）训练此模型。然后在数据集的另一个子集检验其是否盈利（样本外数据，out-sample period）。 通过使用更多的数据 阅读全文
摘要：
存储和提取数据所使用的数据库技术很大程度上取决于所使用数据的属性。如果数据的搜集和预处理工作没有做好，将会带来严重的后果，从另一方面阐明了数据的重要性。 毕竟，当你对结果进行仔细检查时，结果通常是带着很多小数的一串精确数字，但这只是虚假精确（false precision）。所以，面对一个带有很多位 阅读全文