【视频】Copula算法原理和R语言股市收益率相依性可视化分析 R语言时间序列GARCH模型分析股市波动率 【视频】量化交易陷阱和R语言改进股票配对交易策略分析中国股市投资组合 使用R语言对S&P500股票指数进行ARIMA + GARCH交易策略 R语言量化交易RSI策略:使用支持向量机SVM R语言资产配置: 季度战术资产配置策略研究 R语言动量交易策略分析调整后的数据 TMA三均线股票期货高频交易策略的R语言实现 R语言时间序列:ARIMA / GARCH模型的交易策略在外汇市场预测应用 R语言基于Garch波动率预测的区制转移交易策略 r语言多均线股票价格量化策略回测 使用R语言对S&P500股票指数进行ARIMA + GARCH交易策略 Python基于粒子群优化的投资组合优化研究 R语言Fama-French三因子模型实际应用:优化投资组合 R语言动量和马科维茨Markowitz投资组合(Portfolio)模型实现 Python计算股票投资组合的风险价值(VaR) R语言Markowitz马克维茨投资组合理论分析和可视化 R语言中的广义线性模型(GLM)和广义相加模型(GAM):多元(平滑)回归分PYTHON用RNN神经网络LSTM优化EMD经验模态分解交易策略分析股票价格MACD R语言深度学习:用keras神经网络回归模型预测时间序列数据 【视频】CNN(卷积神经网络)模型以及R语言实现回归数据分析 Python TensorFlow循环神经网络RNN-LSTM神经网络预测股票市场价格时间序列和MSE评估准确性 数据分享|PYTHON用KERAS的LSTM神经网络进行时间序列预测天然气价格例子 Python对商店数据进行lstm和xgboost销售量时间序列建模预测分析 Matlab用深度学习长短期记忆(LSTM)神经网络对文本数据进行分类 RNN循环神经网络 、LSTM长短期记忆网络实现时间序列长期利率预测 结合新冠疫情COVID-19股票价格预测:ARIMA,KNN和神经网络时间序列分析 深度学习:Keras使用神经网络进行简单文本分类分析新闻组数据 用PyTorch机器学习神经网络分类预测银行客户流失模型 PYTHON用LSTM长短期记忆神经网络的参数优化方法预测时间序列洗发水销售数据 Python用Keras神经网络序列模型回归拟合预测、准确度检查和结果可视化 Python用LSTM长短期记忆神经网络对不稳定降雨量时间序列进行预测分析 R语言中的神经网络预测时间序列:多层感知器(MLP)和极限学习机(ELM)数据分析报告 R语言深度学习:用keras神经网络回归模型预测时间序列数据 Matlab用深度学习长短期记忆(LSTM)神经网络对文本数据进行分类 R语言KERAS深度学习CNN卷积神经网络分类识别手写数字图像数据(MNIST) MATLAB中用BP神经网络预测人体脂肪百分比数据 Python中用PyTorch机器学习神经网络分类预测银行客户流失模型 R语言实现CNN(卷积神经网络)模型进行回归数据分析 SAS使用鸢尾花(iris)数据集训练人工神经网络(ANN)模型 【视频】R语言实现CNN(卷积神经网络)模型进行回归数据分析 Python使用神经网络进行简单文本分类 R语言用神经网络改进Nelson-Siegel模型拟合收益率曲线分析 R语言基于递归神经网络RNN的温度时间序列预测 R语言神经网络模型预测车辆数量时间序列 R语言中的BP神经网络模型分析学生成绩 matlab使用长短期记忆(LSTM)神经网络对序列数据进行分类 R语言实现拟合神经网络预测和结果可视化 用R语言实现神经网络预测股票实例 使用PYTHON中KERAS的LSTM递归神经网络进行时间序列预测 python用于NLP的seq2seq模型实例:用Keras实现神经网络机器翻译 用于NLP的Python:使用Keras的多标签文本LSTM神经网络分类
“量化投资”是指投资者使用数理分析、计算机编程技术、金融工程建模等方式,通过对样本数据进行集中比对处理,找到数据之间的关系,制定量化策略,并使用编写的软件程序来执行交易,从而获得投资回报的方式。其核心优势在于风险管理更精准,能够提供超额收益。
随着科技的进步,人工智能(Artificial Intelligence,AI)正逐渐渗透到各个行业中,其中包括金融领域。
根据某面包店历史6个月的用户交易记录,通过RFM模型对用户分群,并建立模型预测用户的购买概率,实现对不同用户群不同购买概率的用户实行不同的发券策略,以此提升营销的准确率,实现ROI(收益与成本控制)的最大化。
前几天我的前老板 T 跟我聊了下他正在着手筹划的 algo options trading 项目,他拜托我帮他找找合适的工程师。我仔细研读了他的计划书,感觉还有点意思。基本思路是:跟随股票的涨跌趋势,在 该股的 option 市场选择合适的合约下注。如果预测股票上涨,则购买相应的 Call option,否则购买 Put option。他目前有一个运作还不错的策略,在手工执行和测试中。未来,他希望这个项目不仅可以为自己公司的 fund 赚钱,还能逐渐转化成一个平台,简化人们做程序化交易的难度,就像 Robinhood 简化大家买卖股票的难度一样。T 会为他的初始团队提供丰厚的,有竞争力的工资,以及交易系统盈利的一部分作为奖金。
上一篇文章,我用了4000字这样比较长的篇幅,介绍了一些金融和量化交易相关的基本知识,还大概说了下人工智能在金融方面使用的优劣。这篇文章我们将用一个具体代码来进行一波股票价格预测的实战。
你知道 Python 是被称为 全能编程语言 的吗?是的,它确实是,虽然不应该在每个项目中都使用它。你可以使用它来创建桌面应用程序、游戏、移动应用程序、网站和系统软件。它甚至是最适合用于实现 人工智能 和 机器学习 算法的语言。因此,在过去的几周里,我为 Python 开发人员收集了一些独特的项目构想。这些项目构想很有可能会让你对这门神奇的语言产生兴趣。最棒的是,你可以通过这些有趣但也具有挑战性的项目来增强你的 Python 编程技能。让我们来一一看下。
最近我们被客户要求撰写关于泊松过程的研究报告,包括一些图形和统计输出。 本文描述了一个模型,该模型解释了交易的聚集到达,并展示了如何将其应用于比特币交易数据。这是很有趣的,原因很多。例如,对于交易来说,能够预测在短期内是否有更多的买入或卖出是非常有用的。另一方面,这样的模型可能有助于理解基本新闻驱动价格与机器人交易员对价格变化的反应之间的区别
在这个教程中,我们将学习如何利用交叉指标预测加密货币市场的买入/卖出信号,并在教程结尾提供了完整的Python代码,在市场历史数据上利用此算法可以实现三倍的比特币收益回报率。
目前该系列的几篇: 用户增长——CLV用户生命周期价值CLTV 笔记(一) 用户增长 - BG/NBD概率模型预测用户生命周期LTV(二) 用户增长——Cohort Analysis 留存分析(三)
今年的双十一,规则发生了很大的变化,从 10 月 21 日就开始预售,11 月 1 日到 3 日启动第一波销售。面对越来越复杂的规则,许多消费者都感觉「智商不够用了」,而那些没时间研究规则的人,将付出更高的价格,形成一种「价格歧视」,这就是经典的商业策略。
我去年出了一本Python书,基于股票大数据分析的Python入门实战,在这本书里,我是用股票范例讲述Pythorn的爬虫,数据分析和机器学习知识点,如下是京东的连接。
本文将详细介绍日内网格交易策略的原理,并结合Python代码示例,展示如何在掘金平台上实现这一策略。
CSV文件是由逗号分隔的值文件,其中纯文本数据以表格格式显示。它们可以与任何电子表格程序一起使用,如Microsoft Office Excel、Google Spreadsheets或LibreOffice Calc
这些项目构想很有可能会让你对这门神奇的语言产生兴趣。最棒的是,你可以通过这些有趣但也具有挑战性的项目来增强 Python 编程技能。
在上一篇文章中,我们使用深度强化学习创建了一个可以赚钱的比特币自动交易智能体。虽然这个智能体能够做到自动交易比特币获得收益,但它的收益率并没有让人眼前一亮,今天我们会大幅度改进这个比特币交易智能体,从而提高它的收益率。
最近我们被客户要求撰写关于电商购物网站的用户行为的研究报告,包括一些图形和统计输出。
作者在自学机器学习的过程中,尝试开发了一个基于机器学习的A股选股工具。本文是在赤兔的“数据挖掘”小组分享的此次开发过程和心得体会的整理。 股票价格的可预测性——工具的意义 关于股票价格的可预测性,我想
本文将用一个简单的人工智能算法,即线性回归算法,预测阿里巴巴 2019 年双 11 的交易额。
量化交易是一种利用数学模型和算法进行交易的方法,它可以自动执行交易策略,减少人为干预。自动交易系统是实现量化交易的工具,它可以实时分析市场数据,自动执行买卖订单,提高交易效率。扩展阅读:Python量化交易入门进阶指南(全
现在,分位数回归已被确立为重要的计量经济学工具。与均值回归(OLS)不同,目标不是给定x的均值,而是给定x的一些分位数 ( 点击文末“阅读原文”获取完整代码数据******** )。
选自eFinancialCareers 作者:Sarah Butcher 机器之心编译 参与:李泽南、吴攀 金融机构由于面临激烈的竞争压力,需要不断对自身结构和人才资源进行迭代,以适应不断变化的新情况。随着微软前首席科学家邓力宣布加盟对冲基金巨头 Citadel,我们可以看到金融界已经向计算机科学(特别是机器学习)人才打开了大门。近日,摩根大通发布了一份题为《大数据与人工智能战略:机器学习和其它投资数据分析方法(Big Data and AI Strategies: Machine Learning an
说到在股票市场上赚钱,有无数种不同的赚钱方式。似乎在金融界,无论你走到哪里,人们都在告诉你应该学习 Python
在我写的这本书,《基于股票大数据分析的Python入门实战(视频教学版)》里,用能吸引人的股票案例,带领大家入门Python的语法,数据分析和机器学习。
如上图所示,假如现在我们要想估算主体B的属性③的数值(橙色标记目标数据),那么我们可以找到和B类似(AB在属性②、④上相似)且同时具有属性③的主体A,如果主体A的属性③是已知的,那么该数值可以当做主体B属性③的估算值,如果可以匹配的已知相似属性更多,得到的值一般更精确。
对一些因变量进行dummy variable转换。对大数值变量如引擎容量,已行驶的公里数进行log transformation。
作者 | Juan Cruz Martinez 译者 | 刘雅梦 策划 & 编辑 | 刘燕
在本文中,波动率是众多定价和风险模型中的关键参数,例如BS定价方法或风险价值的计算。在这个模型中,或者说在教科书中,这些模型中的波动率通常被认为是一个常数
作者:Patrick Triest 编译:Katherine Hou、林海、Shan LIU、高宁、Yawei 比特币市场到底是如何运作的?数字加密货币(cryptocurrency)跌宕起伏的原因是什么?不同的山寨币(altcoins)市场之间是紧密联系还是各自为营?我们该如何预测接下来将发生什么? 关于数字加密货币(如:比特币和以太坊)的文章铺天盖地,数百个自诩专家的作者各自发表着他们对比特币未来的猜想。而用来支持他们观点的这些分析中强有力的数据和统计学基础却乏善可陈。 这篇文章的目的是简单介绍“如
在分类问题当中,数据不平衡是指样本中某一类的样本数远大于其他的类别样本数。相比于多分类问题,样本不平衡的问题在二分类问题中的出现频率更高。举例来说,在银行或者金融的数据中,绝大多数信用卡的状态是正常的,只有少数的信用卡存在盗刷等异常现象。
本文展示了如何基于基础ARMA-GARCH过程(当然这也涉及广义上的QRM)来拟合和预测风险价值(Value-at-Risk,VaR)
来源:专知本文为书籍,建议阅读8分钟本书带你学习如何构建对行业至关重要的机器学习算法。 在未来的几十年里,机器学习和数据科学将改变金融行业。通过这本实用的书,分析师、交易员、研究人员和开发人员将学习如何构建对行业至关重要的机器学习算法。您将研究ML概念、监督学习、非监督学习和强化学习中的20多个案例研究,以及自然语言处理(NLP)。 对于在对冲基金、投资和零售银行工作的专业人士,以及金融科技公司的理想,这本书也深入研究了投资组合管理、算法交易、衍生品定价、欺诈检测、资产价格预测、情绪分析和聊天机器人开发。
在本人的新书里,将通过股票案例讲述Python知识点,让大家在学习Python的同时还能掌握相关的股票知识,所谓一举两得。这里给出以线性回归算法预测股票的案例,以此讲述通过Python的sklearn库实现线性回归预测的技巧。
量化,一个横跨多个学科领域的工作。已经在不同场合,听了无数次的三座大山:较好的数学功底、编程技能、金融知识。
在项目当前目录下:$ python manage.py runserver 浏览器打开127.0.0.1:8000
本推文会介绍如何在利用股票分钟数据,基于强化学习来做配对交易。包括基本概念和具体实现;这里采用的强化学习方法,是类似多臂老虎机(N-armed bandit)问题。
人们很容易被丰富的数据和各种免费开源工具所吸引。在研究了quandl financial library和prophet modeling library之后,我打算试着探究简单的股票数据。我花了几天
Python作为一种多用途的编程语言,在量化分析领域也展现出了强大的应用能力。通过Python,我们可以对金融市场数据进行获取、清洗、分析和可视化,从而进行量化交易、风险管理和投资决策。本文将从入门到精通,带领读者深入探索Python在量化分析中的实战应用,通过案例解析详细介绍Python量化分析的技术原理和实现过程。
本文为客户提供咨询,让个人购买人员了解美国国债期货的特性,以便于进行个人投资及管理。
如今,量化研究人员正在开发算法,利用机器学习,这些算法可以通过分析客户数据、识别特征,从而为客户推荐出最相关的产品/服务。今天这篇文章是关于量化交易领域的人才市场一些洞察述。
在当今金融市场的竞争激烈和信息爆炸的环境下,投资者和交易员需要借助科技手段来提高决策效率和交易策略的精准度。而量化分析作为一种基于数据和算法的交易策略,正逐渐成为市场主流。Python作为一种简洁、易学、功能强大的编程语言,成为了量化分析的首选工具之一。
今天李世石已连续输掉了第二局,粗看下来,后面几盘似乎已没啥悬念了。无疑,这是一个伟大的时刻,也是个伟大的开始,超级智能机器在未来将会在人类生活中扮演更多更重要的角色。 资本市场,越来越多的量化策略与量化交易,越来越多的机器在介入,以前散户面对的是同样赤手空拳的空头,但现在我们面对的是高度智能的机器以及加杠杆的赌徒,以前跌一年,现在一周搞定,信息传播越来越快,人心预期转化也特别迅速,于我们,更需要理性,纪律与底线。 Alpha Go的优势: 无比强大的数据分析能力。对于公司的财务、行业的数据,未来的趋势,依据
领取专属 10元无门槛券
手把手带您无忧上云