- 博客(6)
- 资源 (4)
- 收藏
- 关注
RSS订阅原创 量化交易之数据采集
其次，目前没有搜到比较经典的技术上的交易论文。第一点：因为我们需要使用的数据训练有K线的具体交易数据、均线的数据，我根据我的策略加上三条均线的数据，分别是：30日均线收盘价的指数，30日均线最高价的移动平均线，120日均线收盘价的指数。第二点：由于数据量有限，比如5分钟图，我们只有67k的数据，经过数据清洗之后我们得到的特征数据可能会很少，同时训练的数据也会涉及多时间周的特征训练。现在我们拿到数据之后，下一篇将着手进行数据清洗和定位。因此我采集8个时间周期的完整代码如下。
2025-04-06 22:13:24
33
原创 量化交易 之 序言
因为我们将要采集5、15、30、60、240分钟的数据、并进行标记。从最基本的技术分析和数据挖掘，到如何构建高效的交易模型，我们将深入探讨量化交易的各个方面，帮助读者理解并掌握这一新兴的交易方式。闲话少说，系统构建以原油期货数据为训练样本（因为数据容易获取），采用lstm 基于时间顺序训练模型，编程语言为python、数据采集使用mql4。无论你是刚刚接触量化交易的初学者，还是有一定经验的交易员，本书都将为你提供切实可行的指导和灵感，帮助你在量化交易的道路上走得更远，走得更稳。
2025-04-01 21:49:15
184
原创 WebRTC 音频处理流程(二) 预解复用部分
1、 上一篇文章已将大概流程图画出来，这一篇文章开始分析预解复用部分，就是算WebRTC核心音频处理算法实现部分。AGC 是自动增益补偿部分（Automatic Gain Control），AGC 可以自动调整麦克风的收音量，使得声音输出保持一定的音量水平，不会因为发声者与麦克风的距离改变时，声音忽大忽小。AEC、AECM是回声消除部分（Acoustic Echo Chancellor） ，AEC
2017-08-07 22:17:06
3292
3
原创 WebRTC 音频处理流程(一)
1、不积硅步无以至千里，不积小流无以成江河这段时间有些跳跃式的看了很多WebRTC 资料，以及看了些片段源码，想下笔做下记录却发现无从下手。纠结了两三个星期，竟然没有一丝的进步，看了忘记，忘记了再搜资料看，几乎进入了死循环，感觉进步不大，痛定思痛，思考良久决定按照以下方法入手：画好总体流程 -> 标记函数调用关系 -> 逐步分析 ->做好记录。一点一滴积累，如此循环分析完整个项目。2、
2017-08-04 22:18:37
6346
3
转载 C++智能指针类似OC 内存引用计数实现
C++ 智能指针详解 转载：http://blog.youkuaiyun.com/xt_xiaotian/article/details/5714477一、简介由于 C++ 语言没有自动内存回收机制，程序员每次 new 出来的内存都要手动 delete。程序员忘记 delete，流程太复杂，最终导致没有 delete，异常导致程序过早退出，没有执行 delete 的情况并不罕见。用智能指针便可
2017-07-25 10:50:23
454
原创 c++ 实现 膨胀（dilate）腐蚀（erode）
膨胀原理：此操作将图像 与任意形状的内核 ()，通常为正方形或圆形,进行卷积。内核 有一个可定义的锚点, 通常定义为内核中心点。进行膨胀操作时，将内核 划过图像,将内核 覆盖区域的最大相素值提取，并代替锚点位置的相素。显然，这一最大化操作将会导致图像中的亮区开始”扩展” (因此有了术语膨胀dilation )。对上图采用膨胀操作我们得到:腐
2017-02-24 10:53:32
10561
1
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人