很多人可能都听过算法，可能也实现过一些算法，如果问他什么是算法，可能也很难的准确的说出来。确实，给一个事物下定义是很难的，因为总会有没有覆盖的点。
IOST在过去24小时的交易中经历了2.61％的小涨价。加密货币目前的交易价格为0.0206美元，在过去7个交易日内大幅下挫13.95％。
举个简单的例子，如果你有1万元资金，投资时间为5年，年化收益率为10%。五年后，你一共能拿回多少呢？按照上面的公式，结果就是：
作者：石川，北京量信投资管理有限公司创始合伙人，清华大学学士、硕士，麻省理工学院博士。
量化投资与机器学习微信公众号，是业内垂直于量化投资、对冲基金、Fintech、人工智能、大数据等领域的主流自媒体。公众号拥有来自公募、私募、券商、期货、银行、保险、高校等行业30W+关注者，曾荣获AM
前四期传送门： 【系列54】因子的有效性分析基于7种机器学习算法 【系列53】基于XGBoost的量化金融实战 【系列52】基于Python预测股价的那些人那些坑 【系列51】通过ML、Time Series模型学习股价行为 今天，继续我们的机器学习应用量化投资系列。本期我们介绍一篇杨勇团队撰写的研究报告。希望大家在写策略注意这些问题。 前言 从高频到低频 机器学习在高频量化策略上应用更加容易。 从线性到非线性 机器学习下的非线性比线性更能榨取数据的价值，但也更容易过度拟合，因此需要合理使用。 从单次分析
0x在过去24小时的交易中价格下跌了5.66％。该协议TOKEN目前以1.07美元交易，并且在过去7个交易日内价格小幅下跌，总计4.86％。
摘要：BigQuant平台上的 StockRanker 算法在选股方面有不俗的表现，模型在 15、16 年的回测收益率也很高 (使用默认因子收益率就达到 170% 左右)。然而，StockRanker 在股灾时期回撤很大 (使用默认因子回撤 55%)，因此需要择时模型，控制 StockRanker 在大盘走势不好时的仓位。 LSTM(长短期记忆神经网络) 是一种善于处理和预测时间序列相关数据的 RNN。本文初步探究了 LSTM 在股票市场的应用，进而将 LSTM 对沪深 300 未来五日收益率的预测
在过去的24小时交易中，加密货币Steem的价格下跌了2.24％。目前，Steem的交易价格为1.40美元，过去7个交易日内价格小幅上涨0.9％。
有一些单纯搞计算机、数学或者物理的人会问，究竟怎么样应用 ML 在量化投资。他们能做些什么自己擅长的工作。虽然在很多平台或者自媒体有谈及有关的问题，但是不够全面和完整。从今日起，量化投资与机器学习公众号将推出一个系列【机器学习该如何应用到】。今日的推文，是编辑部人员对国内的所有券商金工团队做的机器学习的研究报告做了一个系统性的整理。希望大家有所收获。 获取本推文所有研报请看文章末端 系列文章（点击即可查看） 机器学习该如何应用到量化投资系列（一） 机器学习该如何应用到量化投资系列（二） 2010年08月1
与其他加密市场一样，Monero在过去24小时的交易中遭受了11％的重大损失。加密货币目前以97.9237美元交易，并在过去7个交易日内大幅下跌23.21％。
ZenCash的价格下跌类似于整个市场，在撰写本文时，过去24小时内共下跌了10％。以隐私为重点的加密货币目前交易价格为17.61美元，并且在过去的交易周内价格进一步下跌了24.48％。
尽管市场其他部分下跌，但Binance Coin继续藐视大盘。加密货币在过去24小时的交易中上涨了1.10％，过去7个交易日的涨幅为4.48％。在撰写本文时，Binance硬币以13.68美元的价格交换。
今天给各位分享两道数据分析试题，这是腾讯数据分析面试官在面试时考察候选人喜欢出的题，属于硬性技能考察题目，特别好用。
ChainLink在过去24小时的交易中价格上涨了2.39％。LINK目前以0.2828美元的价格交易，并继续与整体市场情绪进行交易。该项目在过去7个交易日内上涨了14.65％，而其他大部分加密货币都下跌了。
由于加密货币目前的交易价格约为1.69美元（在撰写本文时），因此Bancor在过去24小时的交易中获得了明显的4.74％的价格上涨。在过去30个交易日遭遇26.44％的损失之后，Bancor的7天价格上涨了6.73％。
本文作者是一位从事量化交易的实战者，他将他的实战心得写成一个量化交易系列，本篇则是系列的第一篇，从文中你会对整个量化交易的框架、流程、以及策略思路的来源地都有相应地说明。接下来就和文摘菌一起来看看量化交易应该如何入门吧！
基本概念 工作区 暂存区 本地版本仓库 远程版本仓库 如果不清晰上面的四个概念，请查看廖老师的git教程 这里我多说几句：最开始我使用git的时候，我并不明白我为什么写完代码要用git的一些列指令把我的修改 存起来。后来用多了，也就明白了为什么。git是一个“版本管理工具”，大家在写东西的时候都用过“回撤” 这个功能，但是回撤只能回撤几步，假如想要找回我三天之前的修改，光用“回撤”是找不回来的。而“版本管理工具” 就是记录每次的修改，只要提交到版本仓库，你就可以找到之前任何时刻的状态（文本状态）。 当然，上
大家好，我是Maynor。相信大家和我一样，都有一个大厂梦，作为一名资深大数据选手，深知SQL重要性，接下来我准备用100天时间，基于大数据岗面试中的经典SQL题，以每日1题的形式，带你过一遍热门SQL题并给出恰如其分的解答。
Golem在过去24小时的交易中价格下跌了2.14％。目前，ERC-20加密货币的交易价格为0.1892美元，与加密货币市场的大部分一样，在过去7个交易日内价格下跌了23.84％。
在过去的24小时交易中，Zcash的价格小幅上涨2.52％。以隐私为重点的加密货币目前以181.91美元的价格交易，并且在过去7个交易日内价格大幅下跌14％。
我们都了解股票相对于市场的贝塔系数、股票相对于市场的敏感性（例如标准普尔 500 指数）的概念。尾部相关性的概念类似，因为它是股票对市场回撤的敏感性。如果每次市场下跌，股票下跌，那将意味着两件事：
Emercoin在昨天的交易时段看到了15％的价格上涨，因为加密货币在此期间成功达到了1.92美元的高位。由于这一点很高，在撰写本文时，加密货币在过去24小时的交易中略微回落至+ 0.24％的价格上涨。
之前公众号分享过网友自行编写的WorldQuant 101因子源代码，大家有需要可以点击链接进行免费获取。
相比 Paxos，Raft 的一大特色就是算法拆成了相对正交的几个部分——领导者选举、日志同步、状态持久化、日志压缩和配置变更。你如果对课程照目录看下就能看出来，除却最后一部分，这些模块就是我们课程 PartA ~ PartD 要分别实现的内容。将算法正交化拆分的好处是，让每个模块相对内聚，使得整体更易理解和实现——这也是 Raft 算法设计的初衷。
绩效指标也被称为风险指标，它们也是量化投资的基石，正因为有这些指标我们可以横向对比不同模型。
Nano在过去24小时的交易中价格下跌了8.76％ - 然而，这是在加密货币在过去7个交易日内价格大幅上涨63％之后。Nano目前以3.10美元的价格进行交易，并且在过去30个交易日内价格上涨了46％。
看多了前面的铺垫，接下来写一写可以实操的。本篇给出写择时策略回测的详细步骤，并用代码展示全过程，代码用python写，数据和代码后台回复“择时”获取，可以自己测试。
3.安装git的时候 都会安装git bash和git GUI 我们完全也可以使用git GUI来提交版本 与sourcetree等功能相同
摘要：本文由腾讯高级工程师杜立分享，主要介绍腾讯实时计算平台针对 Flink SQL 所做的优化，内容包括：
论文 | A Deep Trend-Following Trading Strategy for Equity Markets
近些年来，随着金融领域数字化转型工作的推进，对金融系统的算力的要求也越来越高，经典计算机处理器已经接近制程极限。因此可以预见，算力将可能成为阻碍金融数字化转型的关键因素。量子计算是一种遵循量子力学规律调控量子信息单元进行计算的新型计算模式，有着极强的并行能力和随着量子比特数量的增加呈指数型增长的强大算力，具有远超经典计算机的算力优势，可高效快速分析海量数据，能够极大提升金融服务的数字化水平和响应速度。因此可以预见未来量子计算将改变金融行业的整体生态和竞争格局，加速推进数字经济的发展，对于国家金融安全和金融机构发展都具有一定战略意义。
通过积极的风险控制和风险管理，我们相信投资者既可以在市场下跌期间改善结果，从而在对冲基金投资组合中获得宝贵的阿尔法回报，又可以避免损害其整体战略贝塔配置。而且最重要的是，他们可以专注于市场上的其他机会，而不是追加保证金的压力。
大家好，我是老羊，今天我们来学习 Flink SQL 中的 Deduplication 去重以及如何通过 Deduplication 操作获取最新的状态。
择时系列第四篇，一篇关于联合使用TOM和动量的策略。TOM策略第一篇中提到过，这里从交易拥挤度的角度进行分析。作者来自顶级对冲基金IMC Asset Management。
为何使用微信公众号 微信公众号相对于其他信息源的主要优势在于其时效性和信息深度。 对于证券行业来说， 主要的大数据来源有财经网站（新浪财经，腾讯财经等），证券网站（东方财富，同花顺等）， 社交网站（微
报告认为高阶矩可以刻画资产价格的变化，并且有一定的领先性，可以以此构造指数择时策略，原理见研报（在公众号后台回复“高阶矩”获取研报和代码)
今天我们来继续我们机器学习应用量化投资系列，本期，我们介绍一篇来自华泰证券金工的研究报告。将深入为你剖析Stacking 集成学习在量化投资中的应用！希望大家有所收获！ Stacking 集成学习模型简介 Stacking 集成学习的原理 Stacking 是一种常见的集成学习框架。一般来说，Stacking 将训练一个多层(一般是两层， 本文中默认两层)的模型结构，第一层(也叫学习层)包含 n 个不同的模型，将得到的预 测结果合并为新的特征集，并作为下一层模型的输入，由下一层模型再次根据对应的数据 标签进
下面拿A股市场来做检验。 模型的设定如下： 隐藏状态数目：6 输入变量：当日对数收益率，五日对数收益率，当日对数高低价差（其他备选因素成交量、成交额等大家可以自行尝试） 混合高斯分布成分数目：1（为了
版权声明：本文为博主原创文章，未经博主允许不得转载。违者必究。 https://blog.csdn.net/electech6/article/details/90399309
投资者都听过“高风险高收益”这句话，但我们从大量投资者的投后行为中发现，真正理解这句话的人是少数。 如果不能准确理解，那么即使承担了高风险，也很可能获得不了高收益，甚至会导致严重的亏损。 所以，我建议在确认自己理解这句话的含义之前，尽量避免因为追求所谓的高收益而投资高风险标的。 下面就来分享一下我对这句话的理解。 高风险高收益的由来 高风险高收益这句话主要来自于对美国各类资产超长期收益表现的观察。 下图是美国将近200年各类资产的走势，除名义GDP外，其他各条线都剔除了通货膨胀。 （图片来源：https:
量化投资与机器学习微信公众号，是业内垂直于量化投资、对冲基金、Fintech、人工智能、大数据等领域的主流自媒体。公众号拥有来自公募、私募、券商、期货、银行、保险、高校等行业30W+关注者，荣获2021年度AMMA优秀品牌力、优秀洞察力大奖，连续2年被腾讯云+社区评选为“年度最佳作者”。 前言 量化投资总是蒙着一层神秘的面纱，似乎可以无时无刻打败市场。但金融市场本身是一个充满很多不确定性的复杂系统，量化投资就是为了在这种高度不确定性中努力提高投资中科学的成分，这样才能减少投资结果的随机性，增加投资收益的
本文作者： Ifan Tsai (菜菜) 本文链接： https://www.caiyifan.cn/p/502aa6b7.html 版权声明： 本文采用 知识共享署名-非商业性使用-相同方式共享 4.0 国际许可协议 进行许可。转载请注明出处！
从2018年6月4日起，公众号每发布一篇文章，就为大家分享一张Octodex的创意图。 # 002 今天我们为大家带来最新的研报内容，来自广发证券金工团队的《风险中性的深度学习选股策略》。下面让我们来
2018年，微软量子团队在nature发表重磅研究，称“观察到马约拉纳费米子（Majorana）存在的相当有力的证据，电子在他们的导线中分裂成半体。”
咱们今天来解析一下期刊Biosciense Reports。我们打开该刊最新的一期，首先映入眼帘的就是7篇撤稿文章。其实，这对于Biosciense Reports早已经不是什么大新闻了。早前国人大批量的撤稿潮中，Biosciense Reports就名列其中。华盛顿日报也曾对该期刊的一些文章进行过质疑。中科院预警名单中，该刊属于中级预警。
Stratis在过去24小时的交易中价格上涨了6.46％。在过去7个交易日内价格小幅下跌3.84％后，加密货币目前正以1.42美元交易。
马尔科夫性 如果一个过程的“将来”仅依赖“现在”而不依赖“过去”，则此过程具有马尔可夫性,或称此过程为马尔可夫过程。 函数形式：X(t+1) = f( X(t) ) HMM由来 物理信号是时变的，参数
在过去24小时的交易中，snt经历了跌幅总计+ 8.67％。加密货币目前的交易价格为0.035美元，此前过去7个交易日价格大幅下跌超过25％。
领取专属 10元无门槛券
手把手带您无忧上云
云服务器
ICP备案
实时音视频
对象存储
即时通信 IM
