量化投资与机器学习-腾讯云开发者社区

开发者社区

文档建议反馈控制台

最新优惠活动

文章/答案/技术大牛

发布

量化投资与机器学习

专栏成员

732

文章

1224263

阅读量

432

订阅数

新型行情中心：基于实时/历史行情的指标计算和仿真系统

大数据数据分析数据处理数据结构存储

量化投资与机器学习微信公众号，是业内垂直于量化投资、对冲基金、Fintech、人工智能、大数据等领域的主流自媒体。公众号拥有来自公募、私募、券商、期货、银行、保险、高校等行业30W+关注者，荣获2021年度AMMA优秀品牌力、优秀洞察力大奖，连续2年被腾讯云+社区评选为“年度最佳作者”。随着国内量化金融的高速发展，行情数据所包含的微观交易结构信息越来越受到券商自营团队、资管团队以及各类基金的重视。这些交易团队迫切希望拥有一个与生产环境类似的投研仿真环境，提升研发的效率和质量。今天，公众号将为大家分享

量化投资与机器学习微信公众号

2022-07-20

3.4K0

Qlib来啦：数据篇（二）

android 数据处理

量化投资与机器学习微信公众号，是业内垂直于量化投资、对冲基金、Fintech、人工智能、大数据等领域的主流自媒体。公众号拥有来自公募、私募、券商、期货、银行、保险、高校等行业30W+关注者，荣获2021年度AMMA优秀品牌力、优秀洞察力大奖，连续2年被腾讯云+社区评选为“年度最佳作者”。源代码请点击阅读原文在QIML公众号官方GitHub查看前言上一篇Qlib的分享中，我们主要介绍了如何将外部数据导入qlib中，转换为qlib的数据格式。 Qlib来啦：数据篇（一）顺便要给大家介绍一下我们之前

量化投资与机器学习微信公众号

2022-05-06

3.5K0

白鹭女掌门张晨樱：打造反脆弱的量化多策略盈利武器

机器学习神经网络人工智能大数据数据处理

量化投资与机器学习微信公众号，是业内垂直于量化投资、对冲基金、Fintech、人工智能、大数据等领域的主流自媒体。公众号拥有来自公募、私募、券商、期货、银行、保险、高校等行业30W+关注者，连续2年被腾讯云+社区评选为“年度最佳作者”。前言伴随股票市场的风格切换以及商品市场的极端波动，量化产品会在一定程度出现部分回撤，这也再次提醒我们多资产、多策略配置的重要性。然而，对于管理人来说，想要真正做好多策略并非易事，也远不止将几个策略组合在一起这么简单，在策略研发、人才、IT方面都对管理人提出了更高的要求。

量化投资与机器学习微信公众号

2022-03-03

1.1K0

量化A股舆情：基于Kafka+Faust的实时新闻流解析

windows kafka python 数据处理

新闻消息瞬息万变，新闻舆情也对股票市场产生了明显的影响，实时新闻流数据能够为量化交易带来更多的应用场景，比如盘中的风险监控、实时的情绪及热度统计、事件驱动交易等。

量化投资与机器学习微信公众号

2021-07-29

1.5K0

QuantML | 使用财务情绪与量价数据预测稳健的投资组合（附代码）

数据库数据处理 sql 机器学习神经网络

投资组合管理是最大化投资组合回报的过程。投资组合经理根据他们对风险的偏好，代表客户做出交易决策。他们在决定他们应该在投资组合中持有哪些股票以平衡风险和获取最大回报之前，分析不同的资产的优势和劣势。这使得投资组合管理变得困难。我们的目标是通过使用预测建模和深度学习技术使这个过程更好，根据下个季度的预测股价生成稳定的投资组合。

量化投资与机器学习微信公众号

2019-06-20

2.1K0

【史上最详细】WorldQuant Alpha 101 因子 #001 研究

公众号与点宽DigQuant量化社区开展了本期研究合作。大家应该前段时间就知道 Alpha 101 了吧，很多人有去做，但是做的大多数都是简单的进行了一个复现，没有过多的区深究每个因子的涵义。本期推文我们和点宽合作，推出一个系列。来很系统的介绍 Alpha 101 。社区俱乐部成员把 WorldQuant Alpha 101 的每个因子都了做一次最详细的解释和回测研究，一层一层的去拆分因子，把每个公式都说清楚。我们不讨论这些因子是否都是有效的，我们更多的是希望通过我们分析因子背后的金融意义，帮助大家

量化投资与机器学习微信公众号

2018-01-30

4.4K0

【深入研究】使用RNN预测股票价格系列二

接昨天的系列一（可点击查看）在系列一的教程中，我们想继续有关股票价格预测的主题，并赋予在系列1中建立的具有对多个股票做出响应能力的RNN。为了区分不同价格序列之间相关的模式，我们使用股票信号嵌入

量化投资与机器学习微信公众号

2018-01-29

1.3K0

【独家发布】期货市场内外盘低频统计套利基于Python

数据处理 python

声明作者: 阿布公众号独家授权未经允许禁止转载 github地址： https://github.com/bbfamily/abu 本策略可直接运行，运行地址 https://github.com/bbfamily/abu/tree/master/abupy_lecture 首先导入本节需要使用的abupy中的模块：算法交易之父托马斯•彼得菲最成功的一段经历是利用当时最快的计算机，租赁独享电话线以保证数据传输畅通无阻，甚至超越时代定制平叛电脑，使用统计套利在不同市场进行对冲策略。这是

量化投资与机器学习微信公众号

2018-01-29

2.5K0

LSTM Networks在股票市场上的探究

神经网络数据处理

LSTM Networks 简介 LSTM Networks是递归神经网络（RNNs）的一种，该算法由Sepp Hochreiter和Jurgen Schmidhuber在Neural Computation上首次公布。后经过人们的不断改进，LSTM的内部结构逐渐变得完善起来（图1）。在处理和预测时间序列相关的数据时会比一般的RNNs表现的更好。目前，LSTM Networks已经被广泛应用在机器人控制、文本识别及预测、语音识别、蛋白质同源检测等领域。基于LSTM Networks在这些方面的优异表现，

量化投资与机器学习微信公众号

2018-01-29

1.4K0

以色列神秘AI研究力量：深度学习的四大失败（视频+论文+ppt下载）

数据处理人工智能

编译 / 刘小芹弗格森转自 / 新智元（微信号：AI_era）原文网址 / simons.berkeley.edu 近年来，深度学习已经成为了大量应用转型的解决方案，经常有“超越最好水平”的性能出现，但是，对于理论研究者和实践者来说，获得对一般深度学习方法和算法的更深度的理解，是极其重要的。我们描述了四种简单的问题，每一种问题，深度学习中经常使用的基于梯度的算法通常都是失败的，至少也会面临显著的困难。通过具体的实验，我们勾勒出了这些失败，并提供了用于解释这些失败形成原因的理论分析，最后，给出可能

量化投资与机器学习微信公众号

2018-01-29

8610

【Python机器学习】文本数据分析简介

python 机器学习数据处理

文本类型数据是数据挖掘分析中重要的一部分。以证券市场分析为例，与一般的“价、量、宏观经济数字......”等相比，以新闻为代表的文本类数据揭示了市场信息不同纬度，往往更加即时、更贴近市场。今天就文本数据分析做简单的介绍。 1数据的获取依旧以对证券市场分析为例，常用到的数据有“财经新闻、上市公司公告、股吧网友讨论等”。我们希望从这些数据源中能得到有价值的信息，可能是一段时间的新闻热点、可能是网友对不同事件的正负面情绪、或者其他一些。第一步就是获取数据，新闻相关的有新浪财经、华尔街见闻等；上市公司公

量化投资与机器学习微信公众号

2018-01-29

1.3K0

【Alpha系列】之alpha#1

Alpha是投资者获得与市场波动无关的回报，一般用来度量投资者的投资技艺。比如投资者获得了12%的回报，其基准获得了10%的回报，那么Alpha或者价值增值的部分就是2%. 小编将推出一系列Alpha策略，希望能起到抛砖引玉的作用。如有不足之处，欢迎批评指正~~ 策略设计在这里就不对alpha作介绍了，想了解alpha的读者可以去看看前两天Thomas大大推的《多因子系列之二》~ 那我们就直接从策略开始吧。作为alpha系列的第一篇，我们先来实现一个简单的Alpha策略。首

量化投资与机器学习微信公众号

2018-01-29

8650

【Python机器学习】系列之从线性回归到逻辑回归篇（深度详细附源码）

机器学习数据处理 python 人工智能

第1章机器学习基础将机器学习定义成一种通过学习经验改善工作效果的程序研究与设计过程。其他章节都以这个定义为基础，后面每一章里介绍的机器学习模型都是按照这个思路解决任务，评估效果。第2章线性回归介绍线性回归模型，一种解释变量和模型参数与连续的响应变量相关的模型。本章介绍成本函数的定义，通过最小二乘法求解模型参数获得最优模型。第3章特征提取与处理很多机器学习问题需要研究的对象可能是分类变量、文字甚至图像。本章介绍提取这些变量特征的方法。这些技术是数据处理的前提——序列化，更是机器学习的基

量化投资与机器学习微信公众号

2018-01-29

2.2K0

【Python机器学习】系列之线性回归篇【深度详细】

机器学习数据处理 python 人工智能

谢谢大家的支持！现在该公众号开通了评论留言功能，你们对每篇推文的留言与问题，可以通过【写评论】给圈主留言，圈主会及时回复您的留言。本次推文介绍用线性模型处理回归问题。从简单问题开始，先处理一个响应变量和一个解释变量的一元问题。然后，介绍多元线性回归问题（multiple linear regression），线性约束由多个解释变量构成。紧接着，介绍多项式回归分析（polynomial regression问题），一种具有非线性关系的多元线性回归问题。最后，介绍如果训练模型获取目标函数最小化的参数值。在

量化投资与机器学习微信公众号

2018-01-29

3.6K0

没有更多了

社区活动

【纪录片】中国数据库前世今生

穿越半个世纪，探寻中国数据库50年的发展历程

Python精品学习库

代码在线跑，知识轻松学

博客搬家 | 分享价值百万资源包

自行/邀约他人一键搬运博客，速成社区影响力并领取好礼

技术创作特训营·精选知识专栏

往期视频·千货材料·成员作品最新动态