()，可以将ggplot2生成的图像转换为交互式的plotly图像，且还可以添加上ggplot2原生图像中无法实现的交互标签，最重要的是其使用方法非常傻瓜式，本文就将结合几个小例子来介绍ggplotly...()的神奇作用； 二、ggplotly()的使用 我们从一个简单的小例子出发： library(tidyverse) library(plotly) p <- ggplot(iris, aes(...这里我们利用R自带的鸢尾花数据绘制了一个简单的散点图，接着我们只需要简单的一行代码就可以实现神奇的转换效果： library(plotly) ggplotly(p) ? ...式的交互操作，注意上图中我们鼠标放置点位对应显示的悬浮标签，其中的内容是默认的格式，即在这张ggplot2图像中所涉及到的所有信息，在上图中即为横纵轴对应的数据，以及在定义形状和颜色时使用到的分类属性信息...在上图中我们微调了图例的位置，但是对上图使用ggplotly()后效果如下： ? 可以看到图例并没有得到改变，因此在实际应用中使用ggplotly()还需慎重考虑。
通过将迭代更新的交互式图像分割的动态过程建模成马尔可夫过程，并使用 MARL 解决，IteR-MRL 实现了更少的交互次数和更快的收敛速度，在多个医疗图像数据集上超过了现有算法。 ?...为了得到更佳的分割结果，交互式的图像分割策略成为有价值的研究方向，此类策略通过引入少量的用户提示实现对分割结果的迭代优化。...回报设计 ? 每个智能体的回报被设计为当前预测结果与正确标签之间的交叉熵变化量。这样的相对性能回报是基于性能变化趋势的，我们可以同时得知性能变化的方向及程度。...在其他算法的每步性能提升缓慢时，IteR-MRL 仍能保持相对高的性能提升，这证明了在交互式分割任务中考虑动态性可以有效且快速地提升性能。...基于相对性能增益的回报具备更优秀的效果，原因是相对增益能够更好地反映智能体对分割概率的调整。
使用代表金融市场演变的动态系统的一些已知状态，使用现有的技术可以通过插入真实状态和引入一些随机变量来模拟新状态。...Automatic Financial Trading Agent for Low-risk Portfolio Management using Deep Reinforcement Learning...作为实验结果，在测试期间，代理实现了 1800% 的回报，并提供了现有方法中风险最小的投资策略。并且在另一个实验表明，即使市场波动很大或训练周期很短，交易的代理也能保持稳健的泛化性能。...通过获取交易信号来设计交易策略可以实现交易收益最大化。论文中将深度强化学习理论应用于印度市场的股票交易策略和投资决策。...这种优异表现可能归因于多周期规划(相对于单周期规划)和数据驱动的RL方法(相对于经典估计方法)。 作者：Monodeep .J.Mukherjee
使用代表金融市场演变的动态系统的一些已知状态，使用现有的技术可以通过插入真实状态和引入一些随机变量来模拟新状态。...作为实验结果，在测试期间，代理实现了 1800% 的回报，并提供了现有方法中风险最小的投资策略。并且在另一个实验表明，即使市场波动很大或训练周期很短，交易的代理也能保持稳健的泛化性能。...通过获取交易信号来设计交易策略可以实现交易收益最大化。论文中将深度强化学习理论应用于印度市场的股票交易策略和投资决策。...并对模型的性能进行了评价和比较。...这种优异表现可能归因于多周期规划(相对于单周期规划)和数据驱动的RL方法(相对于经典估计方法)。 编辑：王菁 校对：杨学俊
他们发现，(1)动量股的积极回报在很大程度上归因于未来几个季度实现收益的增长，(2)低贝塔系数、小规模和盈利股票的积极回报很少可以用实现收益解释，(3)用同时收益和未来实现收益来解释的价值型股票活跃收益在未来几个季度为负...低贝塔系数、小规模和盈利能力强的股票的结果表明，这种异常与股票回报的其他驱动因子有关，比如预期长期收益增长和贴现率的变化。...他指出，根据共识目标价格隐含预期回报(CTPER)选择排名最佳的股票的多头策略，在大盘股、低特质风险和非周期性股票中产生了可观的阿尔法。...Finding Value Using Momentum 本文提出了一种基于“相对价值”概念的进行价值选股的方法。...分析基本比率的趋势可以用一种新的方式来获取股票投资组合的价值。价值指标的趋势不仅是那些相对于横断面更便宜的公司，而且是那些随着时间的推移变得更便宜的公司。
投资者使用各种技术分析工具和指标来识别和利用资产价格的趋势和动量。这些工具可以包括移动平均线、相对强弱指标（RSI）、趋势线和震荡指标等。...通过大规模回测研究，证明了该策略在股票市场中识别上升趋势的能力，并在考虑交易成本后实现了可观的回报。同时，通过应用波动率调整，进一步提高了策略的风险-回报特征，并降低了最大回撤。...本文使用了以下指标： 简单移动平均线和指数移动平均线 布林带 相对强弱指数 移动平均收敛差离指标 输入包括40个特征。附录B中详细说明了每个特征的计算方法和参数。...我们还使用了早停机制来防止模型过拟合，并进行了数据预处理和输入数据的调整，以提高模型的性能。 3.4 训练数据 训练长度设置为20年，交易期为5年，这导致两个连续的训练期共计25年。...根据指标数据显示，所提出的方法可以显著超过基准指数的回报。日再平衡且选定股票数量为1的配置，在年化回报方面超过基准指数2倍。
加密货币和股票的回报率因素有多普遍？...但是，我们如何比较各个公司对BDT的使用，以及什么是更好的使用或更大程度的实现？技术如何影响投资回报率和其他经济基准？...股票溢价的匹配需要相对风险规避系数在5左右，大大小于先前的估计。此外，与其他罕见灾害模型相比，该模型对股票波动性的匹配性显著提高。...进一步的检验表明，这一结果是由超额期权交易驱动的，期权交易继续预测超额股票交易、期权未平仓利率、分析师分散度和实现收益惊喜等条件下的跨座收益。...我们的主要结果表明，异常对数期权交易量的一个标准差增加与EAs周围已实现的多头回报率下降170至190个基点有关。
NVD3 是一个旨在建立可复用的图表和组件的 d3.js 项目——它提供了同样强大的功能，但更容易使用。它可以让我们处理复杂的数据集来创建更高级的可视化。...它是一个基于浏览器的交互式图表库，它建立在开源的JavaScript图表库plotly.js之上。...如果相对鸢尾花数据集绘制散点图，需要将mode参数设置为”markers”。...如果你已熟悉ggplot2的绘图系统，也可以针对ggplot2绘制的对象p，利用ggplotly函数实现交互效果。...END 版权声明： 转载文章均来自公开网络，仅供学习使用，不会用于任何商业用途，如果出处有误或侵犯到原作者权益，请与我们联系删除或授权事宜，联系邮箱：holly0801@163.com。
在这种情况下，一只过去高回报的股票预示着其他股票未来的低回报。 第三，动量可能是有利可图的，因为股票有不同的预期回报，随着时间的推移会持续下去。...具有高(低)收益预期的股票，未来的实现收益可能会更高(更低)。在这种情况下，不需要时间序列的可预测性来从动量中获利。...使用GJR GARCH模型估计条件方差。从1934年到2013年，动态动量策略产生的夏普比率为1.20，因此几乎是标准零成本动量策略0.68夏普比率的两倍。...首先，过去收益横截面的较高（较低）收益是由于相对较高（较低）的风险敞口，且相对风险敞口在未来持续存在，风险敞口的分散导致预期收益的分散。...基于过去t-2至t-12个月原始回报率的传统策略年利润为8.3%，而使用条件因子敞口调整回报率的剩余动量策略仅为4.4%。 第二，股票的风险可能在正收益时增加，在负收益时下降。
图1使用了由Levine等人收集的一组非常长的数据（在线AQR数据库中公开），比较了近150年来大宗商品期货投资组合的回报与全球股票和政府债券投资的回报。...所有这三种资产类别都产生了可比较的经风险调整后的正回报，而且由于大宗商品与股票和债券的平均相关性较低，由这三种资产组成的投资组合产生的经风险调整后回报高于仅由股票和债券组成的投资组合。...在下图3中，A显示，在通货膨胀的环境下，当股票和债券都表现不佳时，大宗商品已经获得了更高的超额回报。...具体实现：对于6个板块的26个商品期货，在每月初以整个组合18%的目标波动率确定各品种的持仓权重。其中各品种的波动率使用过去60日的日度收益率计算，相关性使用150日的滚动5日的日度收益率计算。...一种更复杂的方法——使用回报和成本预测来动态管理过程，赋予了更可持续的优势，如表7所示。
Briola等人也通过构建使用PPO算法的端到端DRL代理采用基于模型的方法，利用有限的订单簿数据实现了长期回报。...4 模型评估 评估指标在评估股票市场预测模型性能方面具有至关重要的作用，它们被用于比较不同模型所做的预测与实际值。在本文中，我们将现有的评估指标分为三类：基于准确性的、基于误差的和基于回报的。...基于准确性和基于回报的指标值越大，股票市场预测的效果越好；而基于误差的指标值越小，性能越好。...然而，仅仅使用准确性作为唯一的评估指标有时是不够的，因为它无法反映分类器在不同类别上的性能差异。因此，为了更全面地评估分类器的性能，我们可以使用其他评估指标，例如精确率、召回率和F1得分。...公式如下： 4.3 基于回报的评估指标 使用基于回报的评估指标有效地评估股票市场预测的准确性。金融中用于评估收益的两个常用指标是投资回报率（IRR）和夏普比率（Sharpe Ratio）。
《通过Python使用PuLP库来进行线性规划和离散优化》 文章地址：https://towardsdatascience.com/linear-programming-and-discrete-optimization-with-python-using-pulp...如何在股票市场上实现收益最大化和风险最小化? 1990年的诺贝尔经济学奖授予了Harry Markowitz，他以著名的“现代投资组合理论(MPT)”而闻名。最早的论文发表可以追溯到1952年。...你只会在高风险股票具有高回报率的情况下才会买入。 但如何量化风险呢?这确实是一个模糊的概念，对不同的人可能意味着不同的事情。...如何定义回报率? 我们可以简单地计算一个滚动的月回报率，方法是用当月的平均股价减去上个月的平均股价，再除以上个月的股价。 回报率列在下图中。 优化该模型 股票的回报率是一个不确定的量。...总结 在这篇文章中，我们讨论了如何使用一个影响深远的经济学理论中的关键概念来构想出一个简单的股票市场投资优化问题。
问题来了：一个追求均值-方差最优（即在给定风险下追求最大回报，或在给定回报下追求最小风险）的投资者，是应该使用原始的包含这两个部分的BM因子，还是只使用更能准确预测回报的那个部分进行投资呢？...简单来说，就是如果我们知道一家公司在它所在行业中的BM值相对于其他公司来说更能预示它的股票表现，那么我们就应该更多地依赖这个信息来做出投资决策。...因此，如果行业间信号的夏普比率相对于内部信号的夏普比率较低，并且两个信号之间的相关性较高，那么在追求均值-方差效率的情况下，行业间信号可以被认为是冗余的，投资者可能会选择忽略它，从而实现行业中性。...\sum_{n=1}^{N} r_{n,s} 其中 N 是行业 S 中股票的数量，而 和 分别是行业 S 中股票 N 的因子和回报。...frac{1}{S \cdot N} \sum_{s=1}^{S} \sum_{n=1}^{N} C_{n,s} = \frac{1}{S} \sum_{s=1}^{S} C_s 行业中性化因子根据股票的因子相对于行业
原因在于，他们其实不会讨论他们使用的确切的参数设置和微调方法。这些优化手段是将相对平庸的策略转为获取高额收益的关键。实际上，创建自己独特策略的最佳方法之一，就是找到相似的方法，然后自己进行调优。...我们必须非常小心，不要将股票分割和真正的回报调整混为一谈。很多交易员都被这类企业行动坑了一把。 为了执行回测程序，我们得使用软件平台。...你可以使用专用的回测软件，如Tradestation，或是数字平台，如Excel或MATLAB，或者使用编程语言如Python或C++进行自定义实现。...特别是对于高频交易策略而言，使用自定义实现是至关紧要的。 回测系统时，必须能量化其性能表现。量化策略的“工业标准”指标是最大回撤率和夏普率。...与经纪业务的对接实现方式有很多，可以和直接打给你的交易员，或是编写一个全自动化的高性能程序编程接口（API）。理想情况下是希望尽可能地自动化执行交易操作。
股票走势预测是对股票价格未来走势的预测，在投资中起着至关重要的作用。因为同行业的股票价格是高度相关的，所以市场中的股票之间的信息是可以共享的。...所提出的框架同时利用股票的共享信息和个人信息来提高股票趋势预测性能。真实世界任务的实验结果证明了框架在股票趋势预测方面的效率。投资模拟表明，论文的框架可以实现比基线更高的投资回报。...HIST 框架 作者引入了一个在人类专家预定义概念之外的股票概念（例如股票行业、行业和主营业务），并使用股票特征编码器提取每只股票的时间特征（论文中的 2 层 GRU 网络）。...通过使用基于图的神经网络，整体架构可以描述为： 作者评估了 HIST 框架对两个流行且具有代表性的股票组合：沪深 100 和沪深 300 通过 2007/01/01 到 2020/12/31 的数据并预测...t+1 回报，他们看到 HIST 的 IC 最高 该方法的 Python 源代码和所有其他基线可以在第一作者的 github 存储库中找到： https://github.com/Wentao-xu
，捕捉其相对错误定价的投机性。...实证结果表明，使用协整 LMAR 模型的投资组合比传统方法选择的投资组合具有更高的回报。尽管回报的波动性增加，但夏普比率在大多数情况下也会增加。...与传统移动平均线规则相比，低频动量交易策略提供更高的方向准确性、更高的回报和夏普比率、更低的最大回撤和更少的交易频率。此外，与传统的移动平均规则不同，低频动量交易策略在不同时间段的表现相对稳健。...很容易认为她应该在整个范围内以最高价格出售，但这是不可能实现的。一个接近但现实的目标是在销售价格与上述最高价格之间的预期相对误差最小时出售股票。针对 Black-Scholes 市场研究了这个问题。...此外，当 α 趋于无穷大时，由此产生的预期相对误差减小到零。另一方面，如果 α ≤ 0，人们应该立即卖出股票。这些结果证明了人们应该购买并持有股票的广泛接受的金融智慧 - 如果它是好的，那就是。
1 前戏王 1.1 基本概念 在投资组合管理中，最初有资产价格的历史数据，接下来计算各种有用的统计量，比如 计算每个资产回报 (return)，根据具体问题回报可以是绝对回报、相对回报或对数回报 (常见...组合层面的回报和风险 求 rp 的期望和方差得到组合的预期回报 μp 和预期风险 σp ? 组合层面的贝塔 贝塔是用来衡量个别资产相对于整个组合的波动情况。...优化目标可以是用来实现投资组合的最高回报、最低风险、最高夏普比率、最高分散比率等等。下面几节就分别对这几个优化目标来分配资产权重。...BL 模型使用两方面的信息： 客观 - 市场投资组合的资产权重 主观 - 投资者对预期回报的看法 结合市场信息和投资者的观点，可以重新计算出“预期回报”和“协方差”，将其输入标准的 MVO 流程，得到...假设他们对 3 只股票有 3 个观点，举例如下： ? 由上图看出，观点可以表达在一个资产的绝对回报上，称绝对观点；也可以表达在几个资产的相对回报上，称相对观点。
分散化投资可以通过平衡投资组合内的风险来实现，系统地减少投资组合整体的风险还有额外的好处。本文中，我们将这一思想应用在一个新的投资问题上：管理全球股票的投资组合。...我们将探索以风险为核心的方法，从下往上建立股票投资组合，然后系统地从上往下管理整个投资组合风险。我们的目标是，相对于传统的市值加权指数，能够得到更高预期回报率和更低的下行风险。...图4提供了一个通过层次化聚类实现的协方差矩阵平滑的例子。...在实践中，如果已实现的波动率过低，则需要停止使用一些risk overlay。...尽管如此，令人鼓舞的是，尽管使用了杠杆，但这种经过优化的风险管理策略的最差1日回报率相对于MSCI World Index并不算高。
其中有两个错误特别突出：使用机器学习算法预测股票价格而不是累计收益回报；使用未复权价格来计算这些回报。...第一个错误非常复杂，通常作者在文章中使用机器学习的度量指标评估算法的性能，而不是将其与一些合理的基准进行对比，这是非常不合理的。...在文章的下面部分，我会展示如何按照预测中常用的几个指标来衡量一个模型的性能。算法非常简单，只是使用纳斯达克100指数中每只股票的最后价格。...如果作者提出的模型的性能表现还不如简单地使用最新的价格，那么无论模型看起来多么复杂或先进，该模型实际上在预测股票价格时根本没有用。...平均绝对百分比误差，或MAPE：MAPE仅仅是一个系列的预测值和实现值之间的绝对误差的平均值，在每种情况下除以实现值，并以百分比表示。。
Hanauera, Marina Kononovab, Marc Steffen Rappb 标题：Boosting agnostic fundamental analysis: Using machine...最后，三种基于树的ML方法的性能非常相似，集成的ML模型相比单独的树模型有一点优势。我们的发现证明了在基础分析中考虑非线性和相互作用的重要性，以及欧洲股票市场的低效。...关于本文使用的数据，首先，我们从1987-2019年期间在欧盟17国（欧盟15国、瑞士和挪威）注册的公司中排除了非普通股股票、海外上市、二次上市、金融公司和总资产非正或缺少行业标识的公司。...第四，我们计算价值加权和行业调整的每月投资组合回报，并进行时间序列分析，以研究错误定价信号和随后一个月的回报之间的关系。...最后，我们将从投资组合选择的角度深入探讨使用ML方法是否会增加价值。事实上，尽管ML似乎在经济上比LR更优（表2），我们仍然发现LR有积极和显著的回报。
领取专属 10元无门槛券
手把手带您无忧上云
