<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[Xidian185的专栏]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/Xidian185</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; Xidian185]]></copyright><item><title><![CDATA[基于机器学习的多因子量化策略（4）]]></title><link>https://blog.youkuaiyun.com/Xidian185/article/details/148618647</link><guid>https://blog.youkuaiyun.com/Xidian185/article/details/148618647</guid><author>Xidian185</author><pubDate>Thu, 12 Jun 2025 21:07:37 +0800</pubDate><description><![CDATA[本篇我们介绍一个深度学习模型（LSTM）用于收益率预测，我们分别从数据分析、模型训练、效果分析和模型介绍四个方面展开。]]></description><category></category></item><item><title><![CDATA[牛市与熊市：市场周期的双面镜]]></title><link>https://blog.youkuaiyun.com/Xidian185/article/details/148596682</link><guid>https://blog.youkuaiyun.com/Xidian185/article/details/148596682</guid><author>Xidian185</author><pubDate>Wed, 11 Jun 2025 23:40:14 +0800</pubDate><description><![CDATA[上证指数从2005年998点飙升至2007年6124点，全民炒股热潮涌现，但随后因全球金融危机转入熊市，2008年暴跌至1664点。：指资产价格持续上涨（通常涨幅超20%），市场情绪乐观，投资者积极买入。：指资产价格持续下跌（通常跌幅超20%），市场情绪悲观，投资者抛售避险。：新冠疫情暴发后，标普500指数1个月内暴跌34%，创史上最快熊市纪录，但美联储救市后迅速反弹，开启新一轮牛市。历史数据显示，美股牛市长约5.8年，熊市平均1.3年，A股周期更短且波动更大。：增持现金、国债或黄金，降低股票仓位。]]></description><category></category></item><item><title><![CDATA[公募基金与私募基金：投资者的两把钥匙]]></title><link>https://blog.youkuaiyun.com/Xidian185/article/details/148596654</link><guid>https://blog.youkuaiyun.com/Xidian185/article/details/148596654</guid><author>Xidian185</author><pubDate>Wed, 11 Jun 2025 23:37:45 +0800</pubDate><description><![CDATA[公募与私募并非优劣之分，而是风险收益特征的差异选择。普通投资者宜以公募基金构筑资产基底，高净值群体可配置部分私募资产提升组合锐度。（个人意见，仅供参考。投资有风险，入市需谨慎）]]></description><category></category></item><item><title><![CDATA[多头与空头：市场博弈的两面]]></title><link>https://blog.youkuaiyun.com/Xidian185/article/details/148596520</link><guid>https://blog.youkuaiyun.com/Xidian185/article/details/148596520</guid><author>Xidian185</author><pubDate>Wed, 11 Jun 2025 23:29:30 +0800</pubDate><description><![CDATA[又称“看涨方”，是指投资者预期某项资产（如股票、商品、货币等）的价格未来会上涨，因而采取“先买入，后卖出”的策略。多头投资者通常在低价时买入资产，等待价格上涨后卖出，赚取差价利润。，又称“看跌方”，则相反。空头投资者认为某项资产的价格未来会下跌，因而采取“先卖出，后买入”的策略。：投资者小Tech研究A公司后，发现其财务数据存疑，认为股价可能下跌。：潜在亏损无限（如股票一直上涨，空头需不断补仓），且可能遭遇“逼空”行情。：投资者小Fin研究A公司后，认为其业绩向好，未来股价可能上涨。]]></description><category></category></item><item><title><![CDATA[国债与企业债：稳健与高收益的债券选择]]></title><link>https://blog.youkuaiyun.com/Xidian185/article/details/148596485</link><guid>https://blog.youkuaiyun.com/Xidian185/article/details/148596485</guid><author>Xidian185</author><pubDate>Wed, 11 Jun 2025 23:26:17 +0800</pubDate><description><![CDATA[避免盲目追求高收益，警惕“垃圾债”（如收益率超10%的债券，违约风险极高）。：50%国债 + 50%中高收益企业债（需研究公司基本面）。若中途卖出，价格可能受利率影响波动（利率升，债券价格跌）。：70%国债 + 30%高评级企业债（如AAA级央企债）。：取决于公司经营状况，可能违约（如某大地产暴雷）。：优质企业债机会更多（企业盈利改善，违约率下降）。：通常高于国债（5%-10%+），但风险也更高。面值100元，票面利率3.2%，期限10年。：国债更受青睐（资金避险，价格可能上涨）。（个人意见，仅供参考。]]></description><category></category></item><item><title><![CDATA[债券与股票：投资市场的两大基石]]></title><link>https://blog.youkuaiyun.com/Xidian185/article/details/148596456</link><guid>https://blog.youkuaiyun.com/Xidian185/article/details/148596456</guid><author>Xidian185</author><pubDate>Wed, 11 Jun 2025 23:24:31 +0800</pubDate><description><![CDATA[收益稳定，但上限低（利率固定）。]]></description><category></category></item><item><title><![CDATA[基于机器学习的多因子量化策略（3）]]></title><link>https://blog.youkuaiyun.com/Xidian185/article/details/148501246</link><guid>https://blog.youkuaiyun.com/Xidian185/article/details/148501246</guid><author>Xidian185</author><pubDate>Sat, 07 Jun 2025 21:51:21 +0800</pubDate><description><![CDATA[多因子量化策略是一种通过数学建模整合多个预测性指标（因子），系统化筛选股票并构建投资组合的科学投资方法。基于机器学习的多因子量化策略是通过机器学习的方法建模，而非通过人工规则的方式，这样做的好处是能够发现更复杂的因子与因子之间的关系、因子与收益之间的非线性关系。]]></description><category></category></item><item><title><![CDATA[基于机器学习的多因子量化策略（2）]]></title><link>https://blog.youkuaiyun.com/Xidian185/article/details/148433880</link><guid>https://blog.youkuaiyun.com/Xidian185/article/details/148433880</guid><author>Xidian185</author><pubDate>Wed, 04 Jun 2025 20:09:18 +0800</pubDate><description><![CDATA[介绍在Alpha158因子集上训练GBDT模型预测收益率，我们提出根据每个因子的IC值，选择前30个特征，重新训练模型然后做回测。]]></description><category></category></item><item><title><![CDATA[基于机器学习的多因子量化策略（1）]]></title><link>https://blog.youkuaiyun.com/Xidian185/article/details/148371153</link><guid>https://blog.youkuaiyun.com/Xidian185/article/details/148371153</guid><author>Xidian185</author><pubDate>Sun, 01 Jun 2025 22:18:28 +0800</pubDate><description><![CDATA[多因子量化策略是一种通过数学建模整合多个预测性指标（因子），系统化筛选股票并构建投资组合的科学投资方法。基于机器学习的多因子量化策略是通过机器学习的方法建模，而非通过人工规则的方式，这样做的好处是能够发现更复杂的因子与因子之间的关系、因子与收益之间的非线性关系。]]></description><category></category></item><item><title><![CDATA[量化交易策略之基于机器学习的配对交易策略]]></title><link>https://blog.youkuaiyun.com/Xidian185/article/details/148265080</link><guid>https://blog.youkuaiyun.com/Xidian185/article/details/148265080</guid><author>Xidian185</author><pubDate>Tue, 27 May 2025 21:20:59 +0800</pubDate><description><![CDATA[配对交易策略是基于统计套利的市场中性策略，它的核心思想是‌具有长期协整关系的资产价差会围绕均值波动‌。配对交易策略交易思路是当价差偏离历史均值时，做空相对高估的资产，同时做多相对低估的资产，待价差回归后平仓获利。]]></description><category></category></item><item><title><![CDATA[.py打包成.so]]></title><link>https://blog.youkuaiyun.com/Xidian185/article/details/128904772</link><guid>https://blog.youkuaiyun.com/Xidian185/article/details/128904772</guid><author>Xidian185</author><pubDate>Mon, 06 Feb 2023 17:05:59 +0800</pubDate><description><![CDATA[将python文件打包成so文件，可以在python工程中引用。]]></description><category></category></item><item><title><![CDATA[第一篇 交叉验证器]]></title><link>https://blog.youkuaiyun.com/Xidian185/article/details/126862265</link><guid>https://blog.youkuaiyun.com/Xidian185/article/details/126862265</guid><author>Xidian185</author><pubDate>Wed, 14 Sep 2022 23:20:29 +0800</pubDate><description><![CDATA[机器学习中的交叉验证]]></description><category></category></item><item><title><![CDATA[Siamese Network简单复现]]></title><link>https://blog.youkuaiyun.com/Xidian185/article/details/125791706</link><guid>https://blog.youkuaiyun.com/Xidian185/article/details/125791706</guid><author>Xidian185</author><pubDate>Thu, 14 Jul 2022 19:57:22 +0800</pubDate><description><![CDATA[使用pytorch实现孪生模型]]></description><category></category></item><item><title><![CDATA[导入apex出现ImportError: cannot import name ‘UnencryptedCookieSessionFactoryConfig’]]></title><link>https://blog.youkuaiyun.com/Xidian185/article/details/122745427</link><guid>https://blog.youkuaiyun.com/Xidian185/article/details/122745427</guid><author>Xidian185</author><pubDate>Sat, 29 Jan 2022 17:06:31 +0800</pubDate><description><![CDATA[问题描述：
在conda环境导入apex时候，出现错误：ImportError: cannot import name ‘UnencryptedCookieSessionFactoryConfig’ from ‘pyramid.session’ (unknown location)，我们环境中的apex是使用pip install apex安装的。
解决办法
下载apex安装文件，手动安装！不再使用pypi管理的apex！
1、git clone git://github.com/NVIDIA/apex
2]]></description><category></category></item><item><title><![CDATA[解决fatal: unable to access‘‘:GnuTLS recv error]]></title><link>https://blog.youkuaiyun.com/Xidian185/article/details/122745144</link><guid>https://blog.youkuaiyun.com/Xidian185/article/details/122745144</guid><author>Xidian185</author><pubDate>Sat, 29 Jan 2022 16:45:02 +0800</pubDate><description><![CDATA[问题描述
使用git clone https://github.com/NVIDIA/apex 下载apex，结果出现：fatal: unable to access 'https://github.com/NVIDIA/apex/': GnuTLS recv error (-110): The TLS connection was non-properly terminated.
解决方案
将命令中https改成git，变成git clone git://github.com/NVIDIA/apex即可！]]></description><category></category></item><item><title><![CDATA[PyTorch转换ONNX，再转换TensorRT，实现模型加速]]></title><link>https://blog.youkuaiyun.com/Xidian185/article/details/122043227</link><guid>https://blog.youkuaiyun.com/Xidian185/article/details/122043227</guid><author>Xidian185</author><pubDate>Mon, 20 Dec 2021 15:54:39 +0800</pubDate><description><![CDATA[测试环境介绍

ubuntu20.04
显卡：Tesla 3090
Driver Version: 460.91.03
CUDA Version: 11.2

关键代码
pytorch转换ONNX部分：
device = torch.device("cuda" if torch.cuda.is_available() else "cpu")
    model = BertForSequenceClassification.from_pretrained(out_dir)  
    model.eval(]]></description><category></category></item><item><title><![CDATA[基于脱敏数据，使用huggingface的Transformers预训练模型]]></title><link>https://blog.youkuaiyun.com/Xidian185/article/details/120553959</link><guid>https://blog.youkuaiyun.com/Xidian185/article/details/120553959</guid><author>Xidian185</author><pubDate>Wed, 29 Sep 2021 19:14:22 +0800</pubDate><description><![CDATA[背景：
一些竞赛给的是脱敏数据，中文竞赛一般将汉字表示为一个整数，汉字间用空格分割，在这样的数据集上想要预训练一个自己的模型，可以参考这个文章。
首先介绍本文参考的文章：
1、别人做的该任务的总结
2、官方tokenizer
训练tokenizer
注：这里我使用的是wordlevel的，和参考文档中wordpiece的不同，因为我认为脱敏得到的数字前缀没有意义。
import pandas as pd
from tokenizers import decoders, models, normalizers]]></description><category></category></item><item><title><![CDATA[pyinstaller 打包程序出错 Failed to execute script pyi_rth_pkgres]]></title><link>https://blog.youkuaiyun.com/Xidian185/article/details/108364871</link><guid>https://blog.youkuaiyun.com/Xidian185/article/details/108364871</guid><author>Xidian185</author><pubDate>Wed, 02 Sep 2020 16:29:37 +0800</pubDate><description><![CDATA[Failed to execute script pyi_rth_pkgres  解决]]></description><category></category></item><item><title><![CDATA[linux修改python版本后yum出错解决办法]]></title><link>https://blog.youkuaiyun.com/Xidian185/article/details/108281194</link><guid>https://blog.youkuaiyun.com/Xidian185/article/details/108281194</guid><author>Xidian185</author><pubDate>Fri, 28 Aug 2020 15:57:40 +0800</pubDate><description><![CDATA[解决：File "/usr/bin/yum", line 30 和 File "/usr/libexec/urlgrabber-ext-down", line 28]]></description><category></category></item><item><title><![CDATA[Word2Vec构造词向量实战]]></title><link>https://blog.youkuaiyun.com/Xidian185/article/details/108244608</link><guid>https://blog.youkuaiyun.com/Xidian185/article/details/108244608</guid><author>Xidian185</author><pubDate>Wed, 26 Aug 2020 17:52:52 +0800</pubDate><description><![CDATA[使用gensim包的Word2Vec构造中文词向量，并且计算词的相似度。
注：本文使用的语料是随便拷贝的几段中文语句，一段语料一行。
1、处理中文语料，使用结巴分词，构造列表
import jieba
import codecs

INPUT_RAW = r"F:\BaiduNetdiskDownload\kkb NLP\语料.txt"
OUTPUT_FENCI = r"F:\BaiduNetdiskDownload\kkb NLP\语料-分词.txt"
fin = codecs.open(INPUT_RA]]></description><category></category></item></channel></rss>