- 博客(6)
- 收藏
- 关注
RSS订阅原创 资产配置方案（基金）
前提 ：本文假设在客户有100万资金的情况下，如何合理配置给定基金池中的基金。 基金池：050003，050007，160505，100018，100020，100026，100029，161005，519035，377530，519003，519005，519011，519013，000311，000978，162607，260101，260102，260103，260104，260109，260112，260116，519690，373020，162203，162204，377240。 （本篇的各种数据
2021-07-13 22:14:10
1577
原创 MLAT-Autoencoders---下篇-关键代码及结果展示（3）（终）
用于回报预测和交易的条件自动编码器 本节主要介绍自编码器在资产定价中的应用。 步骤分为： 第一步：创建包含股价和元数据信息的新数据集 第二步：计算预测资产特征 第三步：创建和训练条件式自动编码器架构 第四步：评估结果 ...
2021-07-12 21:01:03
340
原创 MLAT-Autoencoders---下篇-关键代码及结果展示（2）
卷积和降噪自编码器 1.导入各种包 from pathlib import Path import pandas as pd import numpy as np from numpy.random import choice import tensorflow as tf from tensorflow.keras.layers import Input, Conv2D, MaxPooling2D, UpSampling2D from tensorflow.keras.models import Mod
2021-07-12 18:48:44
228
原创 MLAT-Autoencoders---下篇-关键代码及结果展示（1）
自编码器的实现（python） 本节主要展示了应用深度前馈、稀疏约束神经网络构建自编码器。另外卷积自编码器对图像进行去噪这一应用也非常实用，但这里不展开了。 1.导入各类包 from pathlib import Path import numpy as np from numpy.random import choice from numpy.linalg import norm import pandas as pd import tensorflow as tf from tensorflow.k
2021-07-12 17:57:26
319
原创 MLAT-Autoencoders for Conditional Risk Factors and Asset Pricing---上篇
MLAT-Autoencoders for Conditional Risk Factors and Asset Pricing—上篇 写在前面 本文对《Machine Learning for Algorithmic Trading》一书第20章进行了梳理及代码复现。这个系列会分为上、下撰写，此篇为上，主要进行理论介绍，下篇则主要进行代码复现的演示。 Chapter20主要介绍了自编码器及其在交易中的应用。自编码器是一种神经网络，经过训练，它可以在学习新的数据表示的同时再现输入（input），并通过隐藏层
2021-07-11 23:03:46
312
1
原创 《大数据处理平台》（宋杰著）读书笔记
《大数据处理平台》一书从数据查询、数据分析和迭代计算平台三个方面对大数据处理平台的体系结构、基本原理、主流技术、国内外研究进展和成果进行了全面深入的阐述，最后还对大数据实时处理平台的架构和核心技术进行了展望。企业技术人员可参考本书选择合适的技术构建大数据处理平台或对现有平台进行优化；高校院所的科研人员可参考本书了解大数据管理的基本原理和现有研究成果；学生读者可通过学习本书全面了解大数据处理平台，本书也适用于对大数据技术拥有浓厚兴趣的读者。
2021-06-22 21:28:50
522
2
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人