随笔分类 - 量化分析
1
摘要：本文摘自https://blog.csdn.net/m0_46603114/article/details/107889583 日志功能 可以通过下面的代码在backtrader中添加日志功能： cerebro.addwriter(bt.WriterFile, out = 'log.csv', cs
阅读全文
摘要：本文来源：码农甲，个人学习笔记，详情见原博主文章 提前小结： 订单创建通过调用Strategy的buy()、sell()、close()方法来返回订单实例。订单取消通过调用Strategy的cancel(order)方法来取消订单订单通知通过调用Strategy的notify_order(order
阅读全文
摘要：1 # -*- coding: utf-8 -*- import time import akshare as ak from snownlp import SnowNLP # 使用snownlp stock_code = '603777' date = time.strftime("%Y%m%d"
阅读全文
摘要：# https://zhuanlan.zhihu.com/p/61488013/ # 先引入后面可能用到的包（package） import pandas as pd import numpy as np import matplotlib.pyplot as plt import akshare
阅读全文
摘要：from __future__ import (absolute_import, division, print_function, unicode_literals) import backtrader as bt import akshare as ak import datetime impo
阅读全文
摘要：import akshare as ak stock_hsgt_north_net_flow_in_em_df = ak.stock_hsgt_north_net_flow_in_em(symbol="北上") stock_em_hsgt_north_cash_df = ak.stock_hsgt_
阅读全文
摘要：import akshare as ak import time # import datetime import numpy as np from datetime import datetime, timedelta import smtplib from email.mime.text imp
阅读全文
摘要：import pandas as pd import numpy as np from scipy import stats import matplotlib.pyplot as plt import akshare as ak from pyecharts.charts import Bar f
阅读全文
摘要：# !/usr/bin/env python # coding: utf-8 import akshare as ak import pandas as pd import matplotlib # (jupyternotebook 画图用的，别的工具可以不用) # %matplotlib auto
阅读全文
摘要：https://www.akshare.xyz/data/index/index.html#id63 文档中未涉及，故记录 https://jishuin.proginn.com/p/763bfbd62d58
阅读全文
摘要：https://blog.csdn.net/orDream/article/details/100013682 上面这一篇是对 https://www.analyticsvidhya.com/blog/2016/02/time-series-forecasting-codes-python/的翻译，
阅读全文
摘要：1.平稳的时间序列 级数的平均值不应是时间的函数，而应是常数； 系列的方差不应该是时间的函数，该特性被称为同调； 第i项和第（i + m）项的协方差不应该是时间的函数。 除非时间序列稳定，否则将无法建立时间序列模型。在违反固定标准的情况下，首要条件是使时间序列平稳，然后尝试使用随机模型预测该时间序列
阅读全文
摘要：在上一篇中，我们回顾了先知的方法，但是在这个案例中表现也不是特别突出，今天介绍的是著名的l s t m算法，在时间序列中解决了传统r n n算法梯度消失问题的的它这一次还会有令人杰出的表现吗？ 长短期记忆(Long Short-Term Memory) 是具有长期记忆能力的一种时间递归神经网络(Re
阅读全文
摘要：在上一篇中，我们探讨了自动ARIMA，但是好像表现的还是不够完善，接下来看看先知的力量！ 先知（Prophet） 有许多时间序列技术可以用在股票预测数据集上，但是大多数技术在拟合模型之前需要大量的数据预处理。Prophet（先知）由Facebook设计和开发，是一个时间序列预测库，不需要数据预处理，
阅读全文
摘要：在上一篇中，我们发现knn和线性回归一样，表现的不是特别好，来看看时间序列的表现 时间序列预测法其实是一种回归预测方法，属于定量预测，其基本原理是;一方面承认事物发展的延续性，运用过去时间序列的数据进行统计分析，推测出事物的发展趋势；另一方面充分考虑到偶然因素影响而产生的随机性，为了消除随机波动的影
阅读全文
摘要：在上一篇中，我们学习了线性回归，这一次来看看k近邻的表现 K最近邻(k-Nearest Neighbor，KNN)分类算法，是一个理论上比较成熟的方法，也是最简单的机器学习算法之一。该方法的思路是：在特征空间中，如果一个样本附近的k个最近(即特征空间中最邻近)样本的大多数属于某一个类别，则该样本也属
阅读全文
摘要：继续上一篇，接下来是股票分析中使用线性回归 在现实世界中，存在着大量这样的情况：两个变量例如X和Y有一些依赖关系。由X可以部分地决定Y的值，但这种决定往往不很确切。常常用来说明这种依赖关系的最简单、直观的例子是体重与身高，用Y表示他的体重。众所周知，一般说来，当X大时，Y也倾向于大，但由X不能严格地
阅读全文
摘要：近年来,随着全球经济与股市的快速发展,股票投资成为人们最常用的理财方式之一。本文研究的主要目标是利用机器学习技术,应用Python编程语言构建股票预测模型,对我国股票市场进行分析与预测。 今天主要来回顾的是 移动平均 参考机器之心的文章，对代码进行了中文的解释，同时加入了自己的见解 首先来处理一下数
阅读全文
摘要：关键词：tensorflow2、LSTM、时间序列、股票预测 Tensorflow 2.0发布已经有一段时间了，各种新API的确简单易用，除了官方文档以外能够找到的学习资料也很多，但是大都没有给出实战的部分找了好多量化分析中的博客和代码，发现在tensorflow方面大家都还是在用1.x的版本，始终
阅读全文
摘要：包含文件NSE-TATAGLOBAL.csv和ttatest.csv https://github.com/mwitiderrick/stockprice
阅读全文
1
