个人笔记

1 斐波那契数列

在文章开始之初，首先为大家介绍一个新生物，那就是斐波那契兔子。

斐波那契兔子是一种很神奇的物种，这种兔子寿命很长，而且具备很固定的繁殖周期和繁殖能力。每一只小兔子都需要经历一个月的成长周期变成大兔子，而每一对大兔子在坠入爱河后，都会历经一个月的生育周期繁衍出一对小兔子。

这么来看的话，如果第一个月有1对小兔子，那第二个月就会有1对大兔子，而第三个月又会出现2对兔子（一对是大兔子，一对小兔子）。以此类

Read more

1 ExtraTreesRegressor

• 相比随机森林的随机性更强
• 更好的避免过拟合
• 效果一般也会好一丢丢

ExtraTreesRegressor

2 模型分析

模型评价-mertic（mse、acc、r^2。。。）

问题分析-ROC AUC

此处指标详见../../../1_study/DataAnalysis/评价指标

3 NLP与量化建模

如何将新闻文本转化为训练集？

• 对文本进行中文分词（jieba）
• 去除一

Read more

常见问题

../../../1_study/DataAnalysis/数据平衡：数据可视化理解数据、选择模型

参数空间：样本与参数的经验规律、合理的寻参空间

独有特征：招行股价vs咨询舆情量化（NLP）

集成学习

三个臭皮匠 顶个诸葛亮

1. 特征抽取
2. 反复建模（弱学习器）
3. 模型集成（强学习器）

相关概念：stocking、blending、voting、boost

讨论了adboost的理论以及三个特性

• 较低误差下限
• 难以过拟合
• 权重更新时候的加速计算技巧

详情可参考：../../../1_study/algorithm/集成算法

Read more

1 特征选择

1. 选择特征子集（暴力枚举、前向/后向/双向选择）
2. 正则化约束系数为0
3. 特征降维

特征评价： AIC、 BIC、 adjusted R^2

2 遗传算法

遗传算法

3 深入浅出 BP 算法

基础神经网络

4 RNN

RNN

Read more

1 模型特征

特征的选择是非常个性化的过程

因子的选择取决于你对问题的理解

常见基础指标列举： 基础指标 常见经济指标 常见股指 常见汇率

常见技术指标列举（包含python实现）

• CCI指标
• EMV指标
• 动量线
• BOLL指标

2 模型建立

探究了决策树和随机森林之间的关系，并引出了对集成算法的讨论，内容较为简略，深度不够，不再赘述。

之后简单提及了一些模型和概念 逻辑回归 1_study/algorithm/分类回归算法/支持向量机 SVM]] [[基础神经网络 损失函数

3

Read more

1 大纲

• OLS 线性回归
• Ridge
• Lasso
• Kernels 核技巧
• Cross-validation 交叉验证
• Hands on: sklearn 代码实践

2 机器学习

Machine Learning is the field of study that gives computers the ability to learn without being explicitly programmed. ---- Arthur Samuel (1959)

机器学习应用

Read more

任务目标

1. 实战：python爬取金融数据
2. 实战2: 利用python进行金融数据处理：数据清洗，数据可视化，特征提取，etc.
3. 实战3:你的第一个基于机器学习的量化模型（yay）

1 数据

金融数据源

• Tushare -财经数据接口包
• 雅虎金融
• 谷歌金融
• QuantQuote
• EODdata

存储方式：csv、sql、nosql

数据格式

• 交易所信息
• 数据来源
• Ticker/symbol
• 价格
• 企业行为（stock splits

Read more

任务目标：

1. 掌握python语言和常用数据处理包
2. 从技术分析到机器学习

1 python基础

python安装 python数据类型 python基本语法 python的数据结构：tuple,list,dictionary,etc python的内置函数 python和面向对象编程

自学地址： https://learnxinyminutes.com/docs/python/ #python #教程

常用库：numpy、pandas、sklearn

自学书籍： 《利用python进行数据分析》 书籍概况 自学地址：http://scikit-le

Read more

1 课程总览

1. 为什么要做算法交易

2. 交易系统的开发与设计

3. 时间序列分析

4. 策略建模及其优化方法

5. 策略评价与回测

6. 风险管理

7. 交易策略的实现

8. 交易策略的执行

课程主要围绕三个核心： #金融 #编程 #机器学习

2 算法交易综述

算法交易：利用自动化平台，执行预先设置的一系列规则完成交易行为。

优点

1. 历史数据评估
2. 执行高效
3. 无主观情绪输入
4. 可度量评价
5. 交易频率

缺点

1. 成本（学习成本、金钱成本）
2. 技巧

交易流程——大前提：基于某种平台：

1. 提出假设
2. 建立模型
3. 回测验证
4. 执行交易

交易策

Read more

病毒感染数据模拟

视频变成连续照片

中英文对齐+位置互换 = 数据增强 + 迁移学习的兼容性提高

场景不同的迁移学习 = 根据常见关键点 抽取 前后矩阵 进而提取 转化矩阵 实现自动化迁移

Read more