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

如何从Yahoo获取ESG历史数据？

从Yahoo获取ESG（环境、社会和治理）历史数据可以通过以下步骤进行：

首先，访问Yahoo Finance网站（https://finance.yahoo.com）。
在搜索框中输入您感兴趣的公司的股票代码或公司名称，并点击搜索按钮。
在搜索结果页面中，选择您要获取ESG历史数据的公司。
进入该公司的概览页面后，点击顶部菜单栏中的"ESG"选项。
在ESG页面上，您可以找到该公司的ESG评级、ESG得分以及相关的环境、社会和治理指标。
若要获取ESG历史数据，您可以在页面上选择不同的时间范围，然后点击"Apply"按钮。
页面将显示所选时间范围内的ESG历史数据图表和表格。

请注意，Yahoo Finance提供的ESG数据可能有限，具体取决于公司的可用数据和Yahoo Finance的数据源。如果您需要更详细和全面的ESG数据，建议使用专业的ESG数据提供商或金融数据平台。

腾讯云相关产品和产品介绍链接地址：腾讯云提供了丰富的云计算产品和解决方案，包括计算、存储、数据库、人工智能等。以下是一些相关产品和链接地址：

云服务器（ECS）：提供可扩展的计算能力，支持多种操作系统和应用场景。详情请参考：https://cloud.tencent.com/product/cvm
云数据库MySQL版（CDB）：提供高性能、可扩展的关系型数据库服务。详情请参考：https://cloud.tencent.com/product/cdb_mysql
人工智能平台（AI Lab）：提供丰富的人工智能算法和模型，支持图像识别、语音识别、自然语言处理等应用。详情请参考：https://cloud.tencent.com/product/ailab
云存储（COS）：提供安全可靠的对象存储服务，适用于图片、视频、文档等各种类型的数据存储。详情请参考：https://cloud.tencent.com/product/cos
云原生应用平台（TKE）：提供容器化应用的部署和管理，支持快速构建、交付和运行应用。详情请参考：https://cloud.tencent.com/product/tke

请注意，以上链接仅供参考，具体产品和解决方案选择应根据实际需求进行评估和决策。

相关搜索:DolphinDB如何从分布式表中清除历史数据？Selenium Python -如何使用Selenium在Yahoo Finance中单击历史数据中的时间段从fixer.io获取除周末以外的历史数据在R Studio中，我如何从Yahoo Finance中提取特定数据如何从.then中获取变量如何从Axios获取statusCode？如何从BeautifulSoup获取文本，获取错误如何从Checkbutton获取变量？如何从FileInputStream获取EOFException 如何从firebase获取文档？

相关搜索:

页面内容是否对你有帮助？

有帮助

没帮助

相关·内容

测试一些python获取股票数据的方法2023.7.18

https://aroussi.com/post/python-yahoo-finance

01

分别基于SVM和ARIMA模型的股票预测 Python实现附Github源码

SVM 支持向量机原理就不赘述了，相关文章可以看这里支持向量机(SVM)用于上证指数的预测支持向量机（SVM）入门详解（续）与python实现支持向量机SVM入门详解：那些你需要消化的知识 SVM是一种十分优秀的分类算法，使用SVM也能给股票进行一定程度上的预测。核心因为是分类算法，因此不像ARIMA一样预测的是时序。分类就要有东西可分，因此将当日涨记为1，跌记为0，作为分类的依据。使用历史数据作为训练数据。处理数据：股票历史数据来源于yahoo_finance api，获取其中Op

06

LLMs大模型在金融投资领域的15个具体应用场景

传统的股票时间序列预测主要依赖统计和计量经济学方法，如自回归滑动平均模型（ARMA-GARCH）、向量自回归模型（VAR）、状态空间模型、扩散模型和误差修正向量模型（VECM）。这些模型通过识别金融系列中的模式和波动性，对市场进行分析和预测。随着机器学习的发展，决策树、支持向量机（SVM）等方法逐渐受到重视。近年来，深度学习技术如循环神经网络（RNN）、卷积神经网络（CNN）和Transformer模型的应用显著提升了股票时间序列预测的精度和效率。GPT-3、GPT-4和LLaMA等大型语言模型在解析复杂数据关系方面表现出色，推动了时间序列数据转化为文本序列的创新。

01

Python实现基于SVM的股票预测

核心因为是分类算法，因此不像ARIMA一样预测的是时序。分类就要有东西可分，因此将当日涨记为1，跌记为0，作为分类的依据。使用历史数据作为训练数据。处理数据：股票历史数据来源于yahoo_finance api，获取其中Open，Close，Low，High，Volume作为基础。因为除去Volume以外，其余数据都是Price，基于Price并不能很好的表达股票的特性，或者说并不太适用于SVM分类算法的特性。基于SVM算法的特性，股票并不是到达一个价格范围就有大概率涨或跌（不知道我这个表达大家能不

06

Python + 蒙特卡洛 = 股市神器！

最近股票、基金市场一片哀嚎，今天从技术的角度来聊聊如何基于编程+统计学来分析股票市场，仅供学习！

01

数据接口-免费版（股票数据API）「建议收藏」

获取股票数据的源头主要有：数据超市、雅虎、新浪、Google、和讯、搜狐、ChinaStockWebService、东方财富客户端、证券之星、网易财经。

03

股票实时数据接口

如果你要同时查询多个股票，那么在URL最后加上一个逗号，再加上股票代码就可以了；比如你要一次查询大秦铁路（601006）和大同煤业（601001）的行情，就这样使用URL：

03

R语言股市可视化相关矩阵：最小生成树|附代码数据

【视频】Copula算法原理和R语言股市收益率相依性可视化分析 R语言时间序列GARCH模型分析股市波动率【视频】量化交易陷阱和R语言改进股票配对交易策略分析中国股市投资组合使用R语言对S＆P500股票指数进行ARIMA + GARCH交易策略 R语言量化交易RSI策略：使用支持向量机SVM R语言资产配置: 季度战术资产配置策略研究 R语言动量交易策略分析调整后的数据 TMA三均线股票期货高频交易策略的R语言实现 R语言时间序列：ARIMA / GARCH模型的交易策略在外汇市场预测应用 R语言基于Garch波动率预测的区制转移交易策略 r语言多均线股票价格量化策略回测使用R语言对S＆P500股票指数进行ARIMA + GARCH交易策略 Python基于粒子群优化的投资组合优化研究 R语言Fama-French三因子模型实际应用：优化投资组合 R语言动量和马科维茨Markowitz投资组合(Portfolio)模型实现 Python计算股票投资组合的风险价值（VaR） R语言Markowitz马克维茨投资组合理论分析和可视化 R语言中的广义线性模型（GLM）和广义相加模型（GAM）：多元（平滑）回归分PYTHON用RNN神经网络LSTM优化EMD经验模态分解交易策略分析股票价格MACD R语言深度学习：用keras神经网络回归模型预测时间序列数据【视频】CNN（卷积神经网络）模型以及R语言实现回归数据分析 Python TensorFlow循环神经网络RNN-LSTM神经网络预测股票市场价格时间序列和MSE评估准确性数据分享|PYTHON用KERAS的LSTM神经网络进行时间序列预测天然气价格例子 Python对商店数据进行lstm和xgboost销售量时间序列建模预测分析 Matlab用深度学习长短期记忆（LSTM）神经网络对文本数据进行分类 RNN循环神经网络、LSTM长短期记忆网络实现时间序列长期利率预测结合新冠疫情COVID-19股票价格预测：ARIMA，KNN和神经网络时间序列分析深度学习：Keras使用神经网络进行简单文本分类分析新闻组数据用PyTorch机器学习神经网络分类预测银行客户流失模型 PYTHON用LSTM长短期记忆神经网络的参数优化方法预测时间序列洗发水销售数据 Python用Keras神经网络序列模型回归拟合预测、准确度检查和结果可视化 Python用LSTM长短期记忆神经网络对不稳定降雨量时间序列进行预测分析 R语言中的神经网络预测时间序列：多层感知器（MLP）和极限学习机（ELM）数据分析报告 R语言深度学习：用keras神经网络回归模型预测时间序列数据 Matlab用深度学习长短期记忆（LSTM）神经网络对文本数据进行分类 R语言KERAS深度学习CNN卷积神经网络分类识别手写数字图像数据（MNIST） MATLAB中用BP神经网络预测人体脂肪百分比数据 Python中用PyTorch机器学习神经网络分类预测银行客户流失模型 R语言实现CNN（卷积神经网络）模型进行回归数据分析 SAS使用鸢尾花(iris)数据集训练人工神经网络(ANN)模型【视频】R语言实现CNN（卷积神经网络）模型进行回归数据分析 Python使用神经网络进行简单文本分类 R语言用神经网络改进Nelson-Siegel模型拟合收益率曲线分析 R语言基于递归神经网络RNN的温度时间序列预测 R语言神经网络模型预测车辆数量时间序列 R语言中的BP神经网络模型分析学生成绩 matlab使用长短期记忆（LSTM）神经网络对序列数据进行分类 R语言实现拟合神经网络预测和结果可视化用R语言实现神经网络预测股票实例使用PYTHON中KERAS的LSTM递归神经网络进行时间序列预测 python用于NLP的seq2seq模型实例:用Keras实现神经网络机器翻译用于NLP的Python：使用Keras的多标签文本LSTM神经网络分类

00

R语言股市可视化相关矩阵：最小生成树

原文链接：http://tecdat.cn/?p=17835 本文在股市可视化中可视化相关矩阵：最小生成树在本文示例中，我将使用日数据和1分钟数据来可视化股票数据。我发现以下概念定义非常有用：

02

智联招聘基于Apache Pulsar打造企业级事件中心

“本文由航通社（ID：lifeissohappy | 微博：@lishuhang）授权本站发布，请勿二次转载."

02

R语言动量和马科维茨Markowitz投资组合(Portfolio)模型实现

动量和马科维茨投资组合模型使均值方差优化组合成为可行的解决方案。通过建议并测试：

02

[机器学习|理论&实践] 金融预测与机器学习：构建股票价格预测模型

金融市场的变动无常，投资者需要不断调整策略以适应新的市场条件。机器学习技术的兴起为金融预测提供了新的可能性，通过对历史数据的深入分析和模型的训练，我们能够更准确地预测未来的市场走势。在本文中，我们将深入探讨如何使用机器学习构建股票价格预测模型，为投资决策提供更可靠的参考。在这个项目中，我们将使用Python和一些流行的机器学习库，如Scikit-Learn和TensorFlow，来构建一个股票价格预测模型。

01

另类数据：不会用不代表不好用！

管理着1040亿美元的对冲基金Man Group的数据科学主管Hinesh Kalian表示：“在过去6个月，我们对另类数据的需求飙升，越来越多的另类数据提供商接洽我们，我们的投资团队对这些数据集的兴趣也在增加！”

00

数字货币量化交易之黄金指标算法【Python】

在这个教程中，我们将学习如何利用交叉指标预测加密货币市场的买入/卖出信号，并在教程结尾提供了完整的Python代码，在市场历史数据上利用此算法可以实现三倍的比特币收益回报率。

03

使用Python绘制多个股票的K线图

K线图是金融领域常用的技术分析工具，可以洞察地展示股票的开盘价、收盘价、最高价和最低价等信息。在投资决策中，对多个股票的走势进行对比分析是非常重要的。随着金融市场的发展，投资者对于多种股票的对比分析需求越来越高。传统的方式是通过查看多种股票的历史数据并手动对比图表，但这种方式效率低下很容易出错。

03

动量和马科维茨Markowitz投资组合(Portfolio)模型实现

本文摘选《R语言动量和马科维茨Markowitz投资组合(Portfolio)模型实现》

02

使用Python轻松获取股票&基金数据

最近这一两年，股市虽谈不上大牛市，倒也稳步向上，原来一直无法挣脱3000点魔咒的上证指数，今年年初也一路高歌，迈过了3500点。

03

股票数据API整理

最近在做股票分析系统，数据获取源头成了一大问题，经过仔细的研究发现了很多获取办法，这里整理一下，方便后来者使用。获取股票数据的源头主要有：数据超市、雅虎、新浪、Google、和讯、搜狐、ChinaStockWebService、东方财富客户端、证券之星、网易财经。根据最近频繁出现的数据超市，可以无限制获取相关数据，而不再需要使用爬虫等方式获取，这样不仅节省了极大资源，也有利于遍历数据。列出来相关网站清单，开发者可自行到这些网站查询调用方法。聚合数据 https://www.juhe.cn/ 百度A

08

数据挖掘三个小故事

信息化的浪潮给全世界带来的翻天覆地的变化。当你使用信用卡刷卡消费的时候，刷卡交易的信息和购物情况已经进入了银行和商场的数据库；当你拿起手机拨打电话的时候，话单的信息已经进入了电信运营商的数据库；当你在医院挂号就医的时候，门诊和处方的信息已经进入了医院的数据库；当你使用公交卡乘车的时候，购买车票的信息也已经进入了公交公司的数据库。各种的情况都在表明，信息无处不在，而且每时每刻都有大量新的信息在产生，如同上下班高峰期的人流，拥挤而又嘈杂。故事一、啤酒与尿布世界零售连锁企业巨头沃尔玛拥有世界上最大的数据仓库系

07

获取A股行情数据方法[通俗易懂]

做股票量化分析，获取股票行情数据是第一步，结合网上的信息，和我用过的一些东西，做个总结。以后有新信息，逐步完善。

03

2021『量化圈』年度最佳论文出炉（附下载）

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20W+关注者，连续2年被腾讯云+社区评选为“年度最佳作者”。一年一度的QIML年度总结大会如约而至~ 今天我们首先要介绍的是2021年度最佳论文榜单。SI评选了年度最佳：量化投资、ESG、固定收益、资产配置领域的最佳论文，下面让我们一睹为快吧！获取全部论文，见文末量化投资 2021年度最佳量化论文来自PGIM： 2021年度最

03

kappa和lambda对比

首先我们会详细的讲解这两种架构，实现这两种架构的技术工具，还有就是如何决策使用这两种架构。

01

Garch波动率预测的区制转移交易策略

本文提出了一种算法，可以根据市场波动性在均值回归和趋势跟随策略之间进行切换。研究了两种模型：一种使用历史波动率，另一种使用Garch（1,1）波动率预测。均值回归策略使用RSI（2）建模：RSI（2）时为Long，否则为Short。趋势跟踪策略以SMA 50/200交叉建模：当SMA（50）> SMA（200）时为Long，否则为Short。

02

Mongoing中文社区的精华文章推荐

一直以来想做一个关于MongoDB的系列专题，但又没有中心思想，所以一直拖着，但现在想想大可不必。完全可以东打一枪，西放一炮。

02

使用 Python 进行财务数据分析实战

在迅速变化的金融领域中，数据分析和解释的能力至关重要。本文探讨了Python在金融数据分析中的应用，包括使用Pandas、NumPy和Matplotlib等Python库，它们能够处理股票市场数据、展示趋势并构建交易策略。无论你是经验丰富的金融分析师还是初入投资领域者，这些见解和技巧都将增强你的分析技能，拓宽对金融市场动态的理解，并帮助你在股票市场做出明智的决策。

01

FDA ESG规定：必须使用数字证书保证通信安全

为了能在高安全的环境中与合作伙伴传输处理各类电子文件信息，FDA推出了ESG解决方案用于接收、处理电子监管信息。FDA ESG遵循安全传输协议标准，要求ESG账户在提交电子信息过程中必须使用数字证书保证通信安全。

03

low版爬虫脚本，Python简单图片爬虫案例

现在很多网站都是异步加载的方式加载数据，大部分都是json数据，如果不知道数据的传递过程，一些参数理不清头绪的话，又想要获取数据，那就比较难搞了，尤其是对于本渣渣级选手而言。

02

很可以！JPM因子投资特刊

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”。 Journal of Portfolio Management在2022年的开年给大家送出了因子投资特刊。本期特刊也是因子投资的第七本特刊，总共包括了14篇关于因子投资文章，其中有8篇来自业界，5篇由业界和学术界共著，还有1篇来自学术界。 The Future of Fac

01

【玩转 EdgeOne】使用EdgeOne实时日志+cls 自动生成网站访客信息

嗨，大家好，我是Eagle Yao。好久不见，我好久没有在这里分享我最近的一些体验。最近我看到了EdgeOne的征文活动，作为一名老用户，我觉得应该也要好好宣传一下EdgeOne的某一个产品。我是从个人版/基础版内测期间就开始使用EdgeOne，这半年来见证了EdgeOne的不断进步和完善，整体来说，我对腾讯云的新一代CDN非常满意。

天气和气象数据网站集合，以及.nc数据的打开方法

我们当然可以去中国气象数据网（http://data.cma.cn/）那么会注册麻烦，通过又慢，历史数据获取时间范围极其有限。这时候就可以看国外的网站了，当然准确率就没有保障了，著名的wunderground 包含2005年至今的数据，非常详细（https://www.wunderground.com/history/）。国内访问比较慢，而我又想批量获取数据怎么办呢？

05

「分布式系统前沿技术」专题：Pulsar 的设计哲学

Sijie Guo, StreamNative 联合创始人，Apache BookKeeper 和 Apache Pulsar PMC 成员和 Committer。之前是 Twitter 消息组的技术负责人，与他人共同创建了 Apache DistributedLog。加入 Twitter 之前，他曾在 Yahoo！从事推送通知基础架构工作。

05

金融/语音/音频处理学术速递[8.20]

【1】 Discriminating modelling approaches for Point in Time Economic Scenario Generation 标题：时间点经济情景生成的判别建模方法链接：https://arxiv.org/abs/2108.08818

01

如何设计企业级大数据分析平台？

传统企业的OLAP几乎都是基于关系型数据库，在面临“大数据”分析瓶颈，甚至实时数据分析的挑战时，在架构上如何应对?本文试拟出几个大数据OLAP平台的设计要点，意在抛砖引玉。一、突破设计原则建设企业

05

BookKeeper 简介

Apache BookKeeper 是企业级存储系统，旨在提供强大的持久性保证、一致性和低延迟。最初是由雅虎研究院（Yahoo! Research）开发，作为 Hadoop 分布式文件系统（HDFS）NameNode 的高可用（HA）解决方案，以解决严重的单点故障问题。

01

R语言优化交易系统：用平行坐标图可视化系统参数优化结果

在交互式平行坐标图中，有一个很好的htmlwidgets的例子。你可以交互式地操作平行坐标图来放大有趣的观察结果。

02

论二级域名收集的各种姿势

1 查询whois http://whois.chinaz.com/baidu.com

00

大数据工具指南：从选择到应用

通过部署和使用大数据分析工具，分析流程可以帮助公司提高运营效率，产生新的利润，获得竞争优势。企业可选择的数据分析应用程序有很多。比如描述性分析善于描述已发生的事情，揭示因果关系。描述性分析主要输出查询、报表和历史数据可视化。

02

三分钟了解下大数据技术发展史

我们常说的大数据技术，大致主要起源于Google在2004年前后发表的三篇论文，其实数据处理早就存在，每个公司或者个人都有自己的大数据处理系统，并没有形成编程框架和理念，而这三篇论文也就是我们熟知的大数据三驾马车，分别是分布式文件系统GFS、大数据分布式计算框架MapReduce和NoSQL数据库BigTable，这三篇论文影响了当今大数据生态，可以称得上大数据的基石，Doug cutting大佬在基于谷歌的三篇论文开发出了hadoop hdfs分布式文件存储、MapReduce计算框架，实际上从hadoop开源代码中窥见大数据并没有多么高深的技术难点，大部分实现都是基础的java编程，但是对业界的影响是非常深远的。那个时候大多数公司还是聚焦在单机上，如何尽可能提升单机的性能，需求更贵的服务器，谷歌通过把许多廉价的服务器通过分布式技术组成一个大的存储、计算集群给业界应对存储计算问题提供了新的发展思路。

03

Python入门操作-时间序列分析

时间序列（或称动态数列）是指将同一统计指标的数值按其发生的时间先后顺序排列而成的数列。时间序列分析的主要目的是根据已有的历史数据对未来进行预测。本文我们会分享如何用历史股票数据进行基本的时间序列分析（以下简称时序分析）。首先我们会创建一个静态预测模型，检测模型的效度，然后分享一些用于时序分析的重要工具。

02

马蜂窝实时计算平台演进之路

MES 是马蜂窝统一实时计算平台，为各条业务线提供稳定、高效的实时数据计算和查询服务。在整体设计方面，MES 借鉴了 Lambda 架构的思想。本篇文章，我们将从四个方面了解 MES：

03

公共云成功运行工作负载需要IT的引领作用

根据Enterprise Strategy Group(ESG)公司的调查研究，85%的IT组织使用公共云服务、基础设施即服务(IaaS)或软件即服务(SaaS)，81%的公共云基础设施用户采用了多个云计算服务提供商的服务。采用多云是现代IT组织的现实选择。

02

用Python爬取股票数据，绘制K线和均线并用机器学习预测股价（来自我出的书）

在本文里，将给出若干精彩范例，包括用爬虫获取股市数据，用matplotlib可视化控件绘制K线和均线，以及用sklean库里的方法，通过机器学习预测股价的走势。

03

案例-马蜂窝实时计算平台演进之路

MES 是马蜂窝统一实时计算平台，为各条业务线提供稳定、高效的实时数据计算和查询服务。在整体设计方面，MES 借鉴了 Lambda 架构的思想。本篇文章，我们将从四个方面了解 MES：

03

【RSA2019创新沙盒】Capsule8：混合环境中的实时0day攻击检测、朔源和响应平台

Capsule8是一家由经验丰富的黑客和安全企业家创建的高新科技初创型企业，总部位于纽约布鲁克林，成立于2016年秋季，在2018年8月获得1500万美元的B轮融资。

01

2020 年 7 月 Github 上最热门的 JavaScript 开源项目

Vue.js 是构建 Web 界面的 JavaScript 库，提供数据驱动的组件，还有简单灵活的 API，使得 MVVM 更简单。主要特性如下：

01

R语言股市可视化相关矩阵：最小生成树|附代码数据

【视频】Copula算法原理和R语言股市收益率相依性可视化分析 R语言时间序列GARCH模型分析股市波动率【视频】量化交易陷阱和R语言改进股票配对交易策略分析中国股市投资组合使用R语言对S＆P500股票指数进行ARIMA + GARCH交易策略 R语言量化交易RSI策略：使用支持向量机SVM R语言资产配置: 季度战术资产配置策略研究 R语言动量交易策略分析调整后的数据 TMA三均线股票期货高频交易策略的R语言实现 R语言时间序列：ARIMA / GARCH模型的交易策略在外汇市场预测应用 R语言基于Garch波动率预测的区制转移交易策略 r语言多均线股票价格量化策略回测使用R语言对S＆P500股票指数进行ARIMA + GARCH交易策略 Python基于粒子群优化的投资组合优化研究 R语言Fama-French三因子模型实际应用：优化投资组合 R语言动量和马科维茨Markowitz投资组合(Portfolio)模型实现 Python计算股票投资组合的风险价值（VaR） R语言Markowitz马克维茨投资组合理论分析和可视化 R语言中的广义线性模型（GLM）和广义相加模型（GAM）：多元（平滑）回归分PYTHON用RNN神经网络LSTM优化EMD经验模态分解交易策略分析股票价格MACD R语言深度学习：用keras神经网络回归模型预测时间序列数据【视频】CNN（卷积神经网络）模型以及R语言实现回归数据分析 Python TensorFlow循环神经网络RNN-LSTM神经网络预测股票市场价格时间序列和MSE评估准确性数据分享|PYTHON用KERAS的LSTM神经网络进行时间序列预测天然气价格例子 Python对商店数据进行lstm和xgboost销售量时间序列建模预测分析 Matlab用深度学习长短期记忆（LSTM）神经网络对文本数据进行分类 RNN循环神经网络、LSTM长短期记忆网络实现时间序列长期利率预测结合新冠疫情COVID-19股票价格预测：ARIMA，KNN和神经网络时间序列分析深度学习：Keras使用神经网络进行简单文本分类分析新闻组数据用PyTorch机器学习神经网络分类预测银行客户流失模型 PYTHON用LSTM长短期记忆神经网络的参数优化方法预测时间序列洗发水销售数据 Python用Keras神经网络序列模型回归拟合预测、准确度检查和结果可视化 Python用LSTM长短期记忆神经网络对不稳定降雨量时间序列进行预测分析 R语言中的神经网络预测时间序列：多层感知器（MLP）和极限学习机（ELM）数据分析报告 R语言深度学习：用keras神经网络回归模型预测时间序列数据 Matlab用深度学习长短期记忆（LSTM）神经网络对文本数据进行分类 R语言KERAS深度学习CNN卷积神经网络分类识别手写数字图像数据（MNIST） MATLAB中用BP神经网络预测人体脂肪百分比数据 Python中用PyTorch机器学习神经网络分类预测银行客户流失模型 R语言实现CNN（卷积神经网络）模型进行回归数据分析 SAS使用鸢尾花(iris)数据集训练人工神经网络(ANN)模型【视频】R语言实现CNN（卷积神经网络）模型进行回归数据分析 Python使用神经网络进行简单文本分类 R语言用神经网络改进Nelson-Siegel模型拟合收益率曲线分析 R语言基于递归神经网络RNN的温度时间序列预测 R语言神经网络模型预测车辆数量时间序列 R语言中的BP神经网络模型分析学生成绩 matlab使用长短期记忆（LSTM）神经网络对序列数据进行分类 R语言实现拟合神经网络预测和结果可视化用R语言实现神经网络预测股票实例使用PYTHON中KERAS的LSTM递归神经网络进行时间序列预测 python用于NLP的seq2seq模型实例:用Keras实现神经网络机器翻译用于NLP的Python：使用Keras的多标签文本LSTM神经网络分类

04

想做疫情分析却没有数据？看这篇就够了

大家好，之前我们已经将疫情可视化的各种操作基本都讲了一遍，从爬取数据到数据分析、建模、可视化甚至有关如何开发疫情实时追踪网站我们都讲了一遍，因此很久没有更新过疫情相关的文章。但最近几乎每天都有小伙伴在后台问我如何获取最新的疫情数据，尤其是历史数据很难找到。在三月份我曾经在疫情数据哪里找，看这篇就够了这篇文章中详细介绍了5种获取疫情数据的方法，不过部分API已经失效，了解到很多读者是为了科研、论文需要使用相关数据，所以今天我们再来聊聊现在如何取得疫情相关数据。

03

台风灾害数据分析与可视化：利用Java和数据科学技术解读台风趋势

2023年台风季节即将到来，人们对于台风的关注和担忧也逐渐增加。根据气象部门的预测，今年的台风活动可能会比往年更加频繁和热闹。这引发了人们对于台风灾害的关注和应对措施的思考。在过去的几年中，全球范围内的台风活动呈现出一些明显的趋势。首先，台风的数量似乎在逐渐增加。这可能是由于气候变化导致海洋温度升高和大气流量，从而导致台风.其次，台风的强度也有所增加。研究表明，温暖的海洋表面温度和湿度的增加可能导致台风的强度增加，从而变得更具破坏性和威力。最后，台风的路径也发生了一些变化。

03

卧槽，我学会了用Python预测股票价格

作为一种技术手段，预测在金融、证券领域的应用非常广泛，尤其是对股票价格的预测。我们介绍一下获得股票数据的方法，并基于此对数据进行预处理，接着使用数据分析方法，建立基础特征，进一步构建预测模型，且基于新数据验证模型效果。拟使用VAR及LSTM两种算法建立预测模型。

05

Python 算法交易秘籍（二）

拥有便捷的金融数据对于进行算法交易至关重要。金融数据可以是静态的，也可以是动态的。静态金融数据是在交易时间内不会改变的数据。静态数据包括金融工具列表、金融工具属性、金融工具的限价和上一个交易日的收盘价格。动态金融数据是在交易时间内可能持续变化的数据。动态数据包括市场深度、最后交易价格、金融工具的时间和数量，以及当日的最高和最低价格。本章包括获取各种类型金融数据的配方。

02

扫码

添加站长进交流群

领取专属 10元无门槛券

手把手带您无忧上云

扫码加入开发者社群

相关资讯

热门标签

活动推荐

运营活动

活动名称

广告关闭