前置知识：（笔记待上传）

线性变换与矩阵

$$ y=Ax+b\quad\mathrm{where} \ A\in\mathbb{R}^{m\times n},x\in\mathbb{R}^n,y\in\mathbb{R}^m,b\in\mathbb{R}^m $$

• 该方程表示通过矩阵 $A$ 和偏差 $b$ 将输入 $x$ 线性映射到输出 $y$

Python 实现：

import numpy as np

A = np.array([[2, 1], [1, 

Read more

1 损失函数的理解与区分

如何理解并区分误差（error）/损失（loss）/成本（cost）/目标（objective）函数？

• 误差函数描述的是预测值与真实值的偏差：$y_{pred}-y_{true}$
• 损失函数是对预测误差的负面影响的量化，比如平方误差损失认为3个单位的误差会导致9个单位的负面影响；损失函数通常是针对单个样本的描述
• 损失函数是成本函数的一部分，成本函数通常是针对训练集的描述，既包含所有样本的损失，也包含针对模型复杂度的惩罚（正则项）
• 成本函数是

Read more

特征工程常用

常用特征处理：

• 常见时间日期类特征：年/月/时、第几周/周次、是否周末、节假日、时差等
• 日期类聚合特征：客户最活跃的月份、某类产品上周累计销售、特定客户的周末消费额等
• 常用统计类特征：最值、均值、唯一值、偏度、峰度、KStat、分位数等

更多时序类衍生特征可参考1_study/Python/Python 数据处理/tsfresh 时序特征聚合工具

其他特征处理技巧：

• 多项式特征（preprocessing.PolynomialFeatures）
• 分箱（数值型变量 转 类别型变量，pandas.cut）
• 对数化（修正存

Read more

支持向量机（support vector machine，简称为SVM）

• 作为经典的有监督学习算法，常用于分类与回归分析问题中
• 支持向量机有着完备而优雅的数学理论，并且计算成本低效果好
• 在集成学习与深度学习流行前，SVM 在很多领域都是非常主流的算法

SVM 算法图解：

• SVM 核心思想在于通过寻找一个超平面，尽可能的分隔不同类别间的样本
• 支持向量（support vector）：用于确定超平面边缘的部分样本

SVM 借助核技巧将输入隐式映射到高维特征空间中，从而有效地进行非线性分类

常见的核函数：

Read more

市场有效假说

1. 在市场上的每个人都是理性的经济人
2. 股票的价格反映了这些理性人的供求的平衡
3. 股票的价格也能充分反映该资产的所有可获得的信息，即"信息有效"

#有效市场 #充分竞争 #完全竞争 #市场有效

CAPM

个股的CAPM:

$$r_i(t)=beta_i\times r_m(t)+alpha_i(t)$$ $$E(alpha(t))=0$$ 公式解析：个股的收益率主要取决于市场收益率$r_m$、个股和市场收益率的关系$beta_i$和个股的波动性$alpha_i$，模型默认个股波动性的期望值为0（市场有效假说成立

Read more

Read more

主动式 vs 被动式

被动式管理：复制大盘指数，持有。 主动式管理：选择个股，频繁交易

交易所交易基金 ETF

交易所交易基金（Exchange Traded Fund，ETF）是一种开放式指数基金，旨在为投资者提供对某个特定市场、行业或投资策略的广泛暴露。

• ETF的交易方式类似于个股，可以在证券交易所上市交易，可以通过普通经纪账户进行买卖
• 与传统指数基金相比，ETF具有更高的流动性和交易灵活性，可以在交易日内任何时间进行交易
• ETF通常以低廉的费用提供多元化投资机会，因此成为越来越受欢迎的投资工具之一

Read more

Limit Order Book 限价指令簿

A limit order book is a record of outstanding limit orders maintained by the security specialist who works at the exchange. A limit order is a type of order to buy or sell a security at a specific price or better. A buy limit order i

Read more

1 高级数据类型

1.1 元胞数组

1. 以其他数组的副本为元素的多维数组
2. 使用 cell 函数可以创建空矩阵的元胞数组
3. 通过花括号 {} 来创建元胞数组更常见
4. 元胞数组可用于存储不同大小的矩阵序列

M = cell(8,1);
for n = 1:8
   M{n} = magic(n);
end
M
% reuslt
M = 
    [           1]
    [ 2x2  d

Read more

1 线图

x = 0:0.05:5;
y1 = sin(x.^2);
y2 = cos(x.^2);
plot(x,y1,x,y2)

2 散点图

load patients Height Weight Systolic    % load data
scatter(Height,Weight,20,Systolic)      % color is systolic blood pressure
xlabel('He

Read more