优化问题是量化中经常会碰到的，之前写的风险平价/均值方差模型最终都需要解带约束的最优化问题，本文总结用python做最优化的若干函数用法。...首先说明，本文仅把python看作一种工具，说明如何用python求解优化问题，不过多考虑由于模型方法导致的精度、速度、适用性等问题，具体问题还需要具体分析，选择适当的方法，或者自己手写。...python中最常用的做最优化的模块是scipy.optimize，这里只说明这一模块的使用，其他的略过。...当然求解一元的优化问题也可以用minimize，但尝试过之后发现用minimize_scalar的速度要更快一些，下面具体说明 一元优化问题 用minimize_scalar解一元优化。...返回值的fun是最优函数值，x是最优自变量，可以看出，method取brent时，设定区间没什么用。
python实现 def SampEn(U, m, r): """ 用于量化时间序列的可预测性 :param U: 时间序列 :param m: 模板向量维数 :
独乐乐不如众乐乐，且不如用Python把弹幕保存下来，做个词云图？就这么愉快地决定了！...1 环境 操作系统：Windows Python版本：3.7.3 2 需求分析 我们先需要通过开发调试工具，查询这条视频的弹幕的 cid 数据。 拿到 cid 之后，再填入下面的链接中。...制作词云，我们需要用到 wordcloud 模块、matplotlib 模块、jieba 模块，同样都是第三方模块，直接用 pip 进行安装。
用Python做图像处理 最近在做一件比较 evil 的事情——验证码识别，以此来学习一些新的技能。...因为我是初学，对图像处理方面就不太了解了，欲要利吾事，必先利吾器，既然只是做一下实验，那用 Python 来作原型开发再好不过了。...在 Python 中，比较常用的图像处理库是 PIL(Python Image Library)，当前版本是 1.1.6 ，用起来非常方便。...在这里，我主要是介绍一下做图像识别时可能会用到的一些 PIL 提供的功能，比如图像增强、还有滤波之类的。最后给出使用 Python 做图像处理与识别的优势与劣势。...增强亮度，factor取值[0,4]，步进0.5 图 7用 Contrast 增强对比度， factor 取值 [0,4]，步进0.5 图 8用 Sharpness
from PIL import Image, ImageDraw, ImageFont import matplotlib.pyplot as plt # 打...
前言 这里是用python解决数学建模的一些问题，用到的是python3.x，scipy，numpy和matplotlib。 先补充一些基本的数据知识。...1、numpy.array() 在基础操作里，array和list是不区分的（在索引和删除一些操作还有运行时间上会有区别），python也没有array这个数据结构。
python对于数学建模来说，是个非常好的选择。python中有非常著名的科学计算三剑客库：numpy,scipy和matplotlib，三者基本代替MATLAB的功能，完全能够应对数学建模任务。...下面列举几个python解决数学建模的例子： 线性规划问题的求最大最小值问题 123456789101112 max： z = 4x1 + 3x2st: 2x1 + 3x2<=10 ...[10,8]x1_bounds = [0,None]x2_bounds =[0,7]res = linprog(c,A,b,bounds=(x1_bounds,x2_bounds)) 相关推荐：《python
Python 的学习者中，有相当一部分是冲着爬虫去的。因为爬虫可以帮你解决很多工作和生活中的问题，节约你的生命。不过 Python 还有一个神秘而有趣的应用领域，那就是量化交易。...量化交易，就是以数学模型替代人的主观判断来制定交易策略。通常会借助计算机程序来进行策略的计算和验证，最终也常直接用程序根据策略设定的规则自动进行交易。...Python 由于开发方便，工具库丰富，尤其科学计算方面的支持很强大，所以目前在量化领域的使用很广泛。市面上也出现了很多支持 Python 语言的量化平台。...所以本文只是介绍几个 Python 量化平台，以及一些最基本的使用方法。更多的功能、更强大的策略还有待各位自己去挖掘。...以优矿为例，注册之后，在“开始研究”页面，新建一个 Notebook，就可以开始用 Python 写你自己的策略。 ? 右上角的下拉框选择“策略”，就会帮你自动填写上策略回测的基本结构代码。 ?
金融领域也是 Python 的重要方向之一，我知道有一些读者就是冲着做量化交易才接触 Python 的。今天给大家分享一个使用 Python 的期货交易API。 ---- 量化交易在国内发展方兴未艾。...因为T+0且允许做空的交易制度、交易所的大力推动、信息技术红利带来的赚钱效应培养了一大批拥趸等原因，量化交易在期货行业起步比较早，而且发展比较成熟。...所以，对于想从事量化研究、交易的同学们而言，学习CTP开发是一门必修课。...python语言在许多领域被非常广泛的应用，量化交易也不例外。本文给大家介绍的AlgoPlus就是对官方CTP封装的python版量化投资接口。...相比较其他Python版CTP，AlgoPlus具有以下特点： 忠实于CTP官方特性。
下面是Python数据分析和处理任务中重要的库与工具： 1. Numpy 官网：http://www.numpy.org/ Numpy库是Python数值计算的基石。...它提供了多种数据结构、算法以及大部分涉及Python数值计算所需的接口。...这个代码测试、开发、编辑、文字工具，真的是谁用谁知道，并且也是本教程的主要内容之一，吐血推荐！...逻辑回归等 回归：Lasso、岭回归等 聚类：k-means、谱聚类等 降维：PCA、特征选择、矩阵分解等 模型选择：网格搜索、交叉验证、指标矩阵等 预处理：特征提取、正态化 其它有用的工具和数据集 在我以前做数学建模的过程中...，使用Python完全可以取代MATLAB。
最近突发奇想，想做个词云玩玩，这算是Python的一个很初级的应用，虽然很初级，依然免不了会出现各种bug~ 使用工具： Anaconda：一个开源的用于Python科学计算的发行版本 jieba：一个...Python第三方库，用于中文分词。...wordcloud：一个Python的第三方库，用于生成词云。 一份中文字体文件：simsun.ttf 若干咪蒙文章资源：作为语料数据。 一张白底图片：作为词云的蒙版。...实验效果： 我用我的微信头像当做蒙版： ? 然后生成的词云长这个样子： ?...wordcloud import WordCloud # Windows下面文件路径要使用双斜线，第一个斜线表示转义 # 指明语料数据和蒙版图片的文件路径 d = path.dirname("D:\\python
这个是 Python 做得最好的事情，优秀的包有很多，比如 scrapy，beautifulsoup等等。...由于 Python2 的历史原因，不得不在编程的时候自己处理。英文也存在 unicode 和 utf-8 转换的问题，中文以及其他语言就更不用提了。...同样，可以用正则表达式完成 \W 就可以。 转换成小写。 去掉停用词。Matthew L. Jockers 提供了一份比机器学习和自然语言处理中常用的停词表更长的停词表。中文的停词表 可以参考这个。...nltk 里面提供了好多种方式，推荐用 wordnet 的方式，这样不会出现把词过分精简，导致词丢掉原型的结果，如果实在不行，也用 snowball 吧，别用 porter，porter 的结果我个人太难接受了...jieba 是纯 Python 写的，Stanford 的可以通过 nltk 调用，复旦 NLP 也可以用 Python 调用。 END.
其实，我们导入的模块是保存在单独文件中的一段Python 代码，当你想要使用文件中的函数和数据时，在你的代码最前面 “导入”（import 即可）。...但是我们有时只是为了用模块中的某个函数，又要该怎么做呢？ ...#用点分隔版本号 #version_info 是包含如下信息的一个元组：主版本号、次版本号、小版本（修订）号 #我的是 3.7.0 依次对应：3.7.0 if sys.version_info...= "final": print("Error:please use a released version of Python") sys.exit(1) Q2、和Python 捆绑的模块...Pyhon的 第三方库太多了，怎么都讲不完，我会将一些这里没讲的放在我的另一篇博客中讲了 你要的Python 库在这里
from inspect import signature import logging
《用Python做深度学习》是Keras库的创建者Francois Chollet写的关于如何用Python和Keras库做深度学习的教程，如果想使用Python和Keras库设计和构建深度学习算法解决现实问题...用Python做深度学习 本书每一章都有看点。 若是你对深度学习只有比较浅的认识，想知道深度学习是什么？深度学习的来龙去脉？为什么会出现深度学习这个说法和技术？作者在第一章做了回答。
有一种说法，就是可以用term spread来判断经济的情况。什么事term spread呢？首先说一下term structure。
统计、机器学习这种东西，用来做别的有点不好玩，但是用来玩股票真的可以吗？ ...市场的复杂性不是统计可以刻画的，所以，量化投资做的再好，这也仅仅是一种辅助罢了，至少当前的自己是这么理解数学在金融市场中的地位的。...这一地位，不是低，而是很高，很科学，不是拍脑袋做决策，而是有数据驱动的依据。
回归作为数据分析中非常重要的一种方法，在量化中的应用也很多，从最简单的因子中性化到估计因子收益率，以及整个Barra框架，都是以回归为基础，本文总结各种回归方法以及python实现的代码。...接下用用python实现OLS，所用数据为特定日期全A股的PB、ROE、行业、市值数据，部分数据如下，数据和代码获取后台回复“回归”。 ?...python中实现OLS的模块很多，numpy、sklearn、statsmodels中都有，这里给出numpy，statsmodel中的用法。...lstsq比较方便用在只需要回归系数的情况下，如果需要对回归结果做评估，比如算拟合值、算残差、算R2，做t检验、F检验、算P值，就很麻烦了，而statsmodel恰好适合这种情况。...带约束的最小二乘法在量化中非常常用，比如做行业中性化时，如果所有行业虚拟变量都保留，并且添加了截距项的情况下，会出现变量多重共线性，回归结果无效，这时候一种方法是删除一个虚拟变量，还有一种方法是添加一个约束
我想通过学习Python语言来学习数据科学，所以我在谷歌上搜索：“我想通过学习Python语言来学习数据科学。”而在谷歌，不一会儿的功夫就列出所有关于Python语言学习的链接。...然后，你会对于无数可行的关于学习Python语言的相关链接而感到困惑。最终，你会因此停下来反思：“我到底该从哪里入手？”。 真的是这样吗？不要担心。因为你以前从未遇到过这样的情况。...这里有很多可用的资源，它们将引导你如何学习Python从而学会编程和数据科学。而其中的问题是它很难找到一个结构化的方法来掌握这门语言。...为了解决这些问题，我们想出了一些在Python中学习数据科学的一些比较好的学习路径。 现在，我们按着这些步骤前进，同时为您提供一份相同效果的信息图表。...原文链接： http://www.analyticsvidhya.com/blog/2015/05/infographic-quick-guide-learn-python-data-science/
因此，这章我们只学习第一步，如何从文本中抽取特征，并将其向量化。 由于中文的处理涉及到分词问题，本文用一个简单的例子来说明如何使用Python的机器学习库，对英文进行特征提取。...1、数据准备 Python的sklearn.datasets支持从目录读取所有分类好的文本。不过目录必须按照一个文件夹一个标签名的规则放好。...因此，我们需要引入TF-IDF（Term Frequency-Inverse Document Frequency，词频和逆向文件频率）对每个单词做进一步考量。...3、向量化 有了上述基础，就能够将文档向量化了。...我们先看代码，再来分析向量化的意义： [python] view plaincopy # -*- coding: utf-8 -*- import scipy as sp import numpy
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
对象存储
即时通信 IM
腾讯会议
