交易过程是一个复杂的过程,包括股票选择,策略设计和投资组合创建等多个步骤。在这里,我们将重点关注其中的一个步骤,即计算具有 n 个股票的投资组合的预期回报和潜在风险。...其中一个最常见的措施就是调整投资者投资组合中的股票权重。 在这里我们将讨论个股的权重如何影响投资组合的这两个参数。...单只股票的风险计算(Risk or Variance) 我们还是用上面的股票 ABC 来作为我们的例子,该股票的投资回报风险可以简单的如下计算: ? 下表给出了股票 ABC 的风险计算过程: ?...回报的标准偏差可以计算为方差的平方根。 ? 至此,我们已经学会了如何去计算单只股票的投资回报和回报风险,那么接下来我们就可以去学习如何计算投资组合的投资回报和回报风险。...对于如下的投资组合,权重显示在表中。 ? 让我们看看我们如何使用 Python 来计算这个投资组合的权重。
大家好,这里是程序员晚枫 如果中年妇女的归宿是广场舞,那么中年男人的归宿想必就是股票了,懂得都懂。 在买卖股票时,一个重要的操作技巧就是做T,然而每次做T时计算价差、手续费,着实头疼。...今天给大家分享一下,如何通过Python实现高效做T,把握住每一次交易机会,降低持仓成本。...1、先上代码 股票收益,简单说就是高抛低吸:5块钱买进100股,10块钱卖出100股,收益的计算方式为:股数100*价差(10-5)=收入500元。很好理解对吧?...但这其中还涉及到一些手续费(0~万分之5)、印花税(千分之一)、转让费等,而且有些股票价格的变化微乎其微,每次可能只波动1分钱。什么价格买的、什么价格卖的,赚了还是赔了,计算起来就很复杂。...""" 2、如何使用?
VaR如何计算? 有两种主要方法来计算VaR: 使用蒙特卡洛模拟 使用方差-协方差方法 在本文中,我们将点介绍使用方法(2)(方差-协方差)。...计算投资组合的VaR的步骤 为了计算投资组合的VaR,您可以按照以下步骤操作: 计算投资组合中股票的定期收益 根据收益创建协方差矩阵 计算投资组合均值和标准差 (根据投资组合中每只股票的投资水平加权)...用指定的置信区间,标准差和均值计算正态累积分布(PPF)的反函数 通过从步骤(4)的计算中减去初始投资,估算投资组合的风险价值(VaR) 1)计算投资组合中股票的定期收益 # 创建我们的股票投资组合...对照正态分布检查我们的股票分布 如计算部分所述,我们假设在计算VaR时,我们投资组合中股票的收益呈正态分布。...当然,我们无法预测这种情况,但我们至少可以检查历史收益如何分配,以帮助我们评估VaR是否适合用于我们的投资组合。
• 六、使用线性回归斜率从社区中选股 • 七、结论 通过图分析分散股票投资组合并降低风险增加收益 本文作者为Neo4j社区技术专家Tomaz Bratanic,帮助我们了解如何使用股票价格之间的相关性来推断股票之间的相似性网络...这让我对如何使用图数据来分析股票市场产生了兴趣。经过一番研究,我发现了这篇【金融市场风险的分散:最好投资外围市场[4]】研究论文。...该算法将计算相关系数并将结果存储为相关股票之间的关系。我使用了topK参数值为3,因此每只股票将连接到三个最相关的股票。...作为最后一步,我们可以推荐每个社区中表现最好的三只股票。...如果您想更严谨一些,您可能需要收集更广泛的数据集并微调相关系数计算。不仅如此,简单的线性回归可能不是股票表现的最佳指标。另外,可以从Github[10]获取演示案例的源代码。
3 将日期列设置为数据框索引 然后把数据框中的日期设置为索引,并把索引中的日期转成时间格式。方便后续根据日期计算波动情况。...4 绘制股票趋势图 可以把时间作为横轴,每天的收盘价或处理后的收盘价作为纵轴绘制折线图,以此当成股票趋势图。...所以在绘图时有些日期的收盘价被填充为0。 为了图形能更好地反映股票的波动趋势,可以人为对收盘价进行处理,比如以前多少天的平均收盘价当成当天的收盘价,以此来避免0值问题。...(span = 30).mean())表示时间跨度为30,离当前日期越近赋予更高的权重,把这个加权平均值当成当前值绘图。...可以发现,以加权平均值绘图会比直接以平均值绘图波动性大一点,更符合我们的常识。 至此,在Python中绘制股票趋势图已介绍完毕,大家可以动手练习一下
给大家举个例子: 股票 权重(持仓) 收益率 A 2000 2% B 3000 5% C 5000 3% 假设我们现在一共有10000元,这10000元可以买ABC三只股票,每只股票买的数量不一样,就会有不同种组合...以A股2000、B股3000、C股5000为例,我们计算这个组合对应的平均收益率: 通过上面的公式得出该组合下的平均收益率为3.4%。 讲完了收益以后,我们来讲讲风险。...答案是可以的,但又不完全一样,这里面举例是用一只股票为例,但是有效前沿针对的是一个投资组合,即多只股票,也就是我们在考虑风险的时候应该是多只股票共同构成的这个组合的风险。...那一个组合里面的风险应该如何计算呢?公式如下: 上面公式中ABC分别表示不同股票的持仓权重,σ表示标准差,Cov表示任意两只股票之间的协方差。...因为存在这种相关性的情况,所以我们在计算组合的整体风险的时候也需要把这种考虑进去,这也就是为什么会有协方差的原因。
思路:导入数据;过滤出上个月的数据;按照股票代码分组;将数据按日期排序;计算出每天比上一天的收盘价的增长额;计算出连续正增长的天数;过滤出正增长天数大于等于5的那些股票。 ...只需要某个月的交易数据。 A3:=A2.group(Code),按股票代码分组。这和R语言中的split函数功能类似。点击该单元格可以在右边看到计算结果: ? ...因为不能确定下载的数据是否提前排过序了,只有排序后的数据才能进行后续的行间计算。 ...06-22:由于R不能像集算器那样方便的用~来操作每个分组,因此这里需要一个大循环,每次循环针对一个股票进行计算。 07:按日期排序。...09-18: 增加一个列CID,计算连涨天数。09行的if(nrow(A3[[i]])>0)是为了避免有些股票没数据(比如暂时停牌),否则后面会报空指针 错误。
构造有效前沿的步骤大致可按照获取数据、将数据加工处理为收益率矩阵、以收益率矩阵为输入计算得到有效前沿这三个步骤来完成。下面分布来说一说。 第一步,获取数据。...最简单的方法是使用 quantmod 中的 getSymbols 函数。因为要要做的事是构建资产组合,因此,得同时获取多只股票的交易数据,这里取 QQQ/SPY/YHOO 三只股票为例。...dat=merge(QQQ_ret,SPY_ret,YHOO_ret) 第四步,计算投资组合的有效前沿。这一步使用 portfolioFrontier 函数来完成。...Portfolio Weights 部分返回的是三只股票在投资组合中的头寸比例,每一行的和都是 1 。...对于第二行,它表示的是在投资组合中将总头寸以 24.09% 、 75.41% 、 0.50% 的比例分散到三只股票标的上。Covariance Risk Budgets 表示的是协方差风险预算矩阵。
引言 深度学习模型的训练本质上是一个优化问题,而常采用的优化算法是梯度下降法(SGD)。对于SGD算法,最重要的就是如何计算梯度。...如果你学过微积分,我相信你一定知道如何计算梯度,或者说计算导数。对于深度网络来说,其可以看成多层非线性函数的堆积,即: ?...如果大家细致观察的话,可以看到要求出最终的导数,你需要计算出中间结果:p与q。计算中间结果的过程一般是前向(forward)过程,然后再反向(backward)计算出最终的导数。...活学活用: 实现一个简单的神经网络 上面我们讲了链式法则,也讲了BP的思想,并且也讲了如何对矩阵运算求梯度。...,就是如何计算梯度。
在5年及以后,未授予股票的数量没有增加。在Y5及之后,未回报的股票数量没有增加。这是因为从Y4,Y3,Y2和Y1的每年25股的授予与回报得到了平衡。所以未回报的股票数量持续250/年。...在任何给定年份中,未回报的股票U(t)的数量等于当年a(t)授予的股票,以及往年以来未回报的股票。由于所有股票都在4年内授予,因此从年份(T-4)或之前都没有未回报的股份。...假设在Y9那年,股票奖励仅为20股而不是通常的100股。当既得授予的100股股票仅补充20个新的新股份时,这种冲击的效果将对Y9产生严重的影响。...与Y8相比该股票在帐户中留下80份未回报的赤字,并且总会共持续4年 - Y9,Y10,Y11,Y12。到Y13时,Y9或之前授予的所有股票都授予完成,它们不再影响未回报的股票。...它以一个等于当前冲击ε(t)和3个最近冲击ε(t-1)、ε(t-2)和ε(t-3)的加权平均值的幅度偏离常数µ。随着时间的推移,这个加权平均值会移动。 让我们在下图中绘制u(t)的a(t)值。
很多企业并不确定在云中运行工作负载将会支付多少费用,因此需要了解其定义的参数才能启动和运行,并避免代价高昂的意外中断。 购买一定数量的基于云计算的计算和存储容量将需要多少成本并不难估计。...以下将回顾一些最佳实践,以确定组织的云计算总体拥有成本(TCO),同时制定预算,以及在启动和运行工作之后如何避免意外中断。...在此,假设组织正在考虑迁移到云计算提供商的基础设施,而不是针对PaaS或无服务器配置重构应用程序。 接下来,计算该规范化值的平均资源单元大小,以及用于计算平均值的基础。...获取成本构成 要捕获构成现有内部部署支出的详细信息并映射将如何转换为云计算,需要从通常属于资本支出的硬件开始。内部部署软件也通常算作资本支出,尽管它可以像数据库那样作为运营支出。...采用云计算不一定节省成本,因此成本不应该是唯一的决定性因素。但是,如果组织知道云计算的总体拥有成本,则可以更好地采用云计算做出明智的决定。
作者 | godweiyang 出品 | 公众号:算法码上来(ID:GodNLP) - BEGIN - 今天刷知乎看到个挺有意思的问题:「如何优雅地利用c++编程从1乘到20?」...我想这有啥难的,还能写出花来不成?结果看到高赞回答,感觉自己的智商有点不够用了。...随便来看一个高赞回答是怎么写的: 这个其实还算比较简单的,没啥难度,还有更晦涩的: 这个乍一看根本看不懂在写啥,当然平时也很少会写这种晦涩的代码。 CUDA花式整活!...今天我就教大家用CUDA来计算一下20的阶乘,就当作是CUDA的一个入门例子。...感谢@NekoDaemon老哥提供的优化建议,只需要在计算的时候根据线程号计算对应乘积元素就行,但是线程数仍然需要分配32个。
:500M; -XX:MaxPermSize:64M; -XX:+UseConcMarkSweepGC; -XX:SurvivorRatio=3; 求Eden区域的大小?...分析 这是网易2016年在线笔试题中的一道选择题。...3:1:1 题目中所问的Eden区的大小是指年轻代的大小,直接根据-Xmn:500M和-XX:SurvivorRatio=3可以直接计算得出 解 500M(3/(3+1+1)) =500M(3/5) =...500M*0.6 =300M 所以Eden区域的大小为300M。...5,Eden与Survivor的比例 -XX:SurvivorRatio(Eden区与两个Survivor区的比值,Eden区多) END
| 问题 请求被限流 之前的文章提到过我们服务使用Hystrix进行服务限流,使用的是信号量方式,并根据接口的响应时间和服务的峰值QPS设置了限流的配额。...限流配额的计算方式为: 我们接口单机单个接口的峰值QPS为1000,平均影响时长15ms,我们认为Hystrix的信号量是并发量,那么一个信号量在一秒内能允许1000ms/15ms~66个请求通过,那么服务...当然这是在忽略上下文切换和GC时间的情况下,考虑上这些因素,每个并发量每秒能服务的时长约为900ms,用同样的公式计算所需要的信号量是17,为了应付突发流量,我将这个值设置为了30。...“平均”的陷阱 重新来计算一下,即使JVM每秒都有160ms在进行GC,可系统有服务时间也还有840ms,使用上文中的公式,信号量的还是完全足够的。...也就是说即使jdk的bug修复了,信号量限制最少还是要设置为95才不会拒绝请求。 | 限流配额的正确计算方式 概念 那么限流配额的正确计算方式是怎样的呢?
限流配额的计算方式为: 我们接口单机单个接口的峰值QPS为1000,平均影响时长15ms,我们认为Hystrix的信号量是并发量,那么一个信号量在一秒内能允许1000ms/15ms~66个请求通过,那么服务...当然这是在忽略上下文切换和GC时间的情况下,考虑上这些因素,每个并发量每秒能服务的时长约为900ms,用同样的公式计算所需要的信号量是17,为了应付突发流量,我将这个值设置为了30。...从错误日志里找了一个服务拒绝数较多的时间点,再观察服务当时的状态。错误日志上除了一些请求被拒绝的报错外就没有其他的了,但我在gclog里发现了奇怪的日志。...“平均”的陷阱 重新来计算一下,即使JVM每秒都有160ms在进行GC,可系统有服务时间也还有840ms,使用上文中的公式,信号量的还是完全足够的。...也就是说即使jdk的bug修复了,信号量限制最少还是要设置为95才不会拒绝请求。 | 限流配额的正确计算方式 概念 那么限流配额的正确计算方式是怎样的呢?
理论上的参数量 之前翻译了 Christopher Olah 的那篇著名的 Understanding LSTM Networks,这篇文章对于整体理解 LSTM 很有帮助,但是在理解 LSTM 的参数数量这种细节方面...本文就来补充一下,讲讲如何计算 LSTM 的参数数量。 建议阅读本文前先阅读 Understanding LSTM Networks 的原文或我的译文。 首先来回顾下 LSTM。...图中的A 就是 cell,xt 中的词依次进入这个 cell 中进行处理。...可以看到其实只有这么一个 cell,所以每次词进去处理的时候,权重是共享的,将这个过程平铺展开,就是下面这张图了: ?...image.png 一个不那么小的数被多次相乘之后会变得很小,一个不那么大的数被多次相乘之后会变得很大。所以,这也是普通 RNN 容易出现梯度消失/爆炸的问题的原因。 扯远了点。
这一领域的里程碑式的论文是由Bollen等人撰写的(https://arxiv.org/pdf/1010.3003.pdf)。本文中,我们将试图简单地解释他们是如何做的。...道琼斯工业平均指数是纽约证券交易所和纳斯达克交易的30只重要股票的价格加权平均值。道琼斯工业平均指数是查尔斯道在1896年发明的。...它本身只是前30大公司股票价格的加权平均值,其中,价值更高的股票被赋予更大的权重,而最终的结果将被标准化以剔除偶然性事件。因此,它本身就是一个价格。...因此,举个例子,对于“遗憾”的问题,你会指出你作为上述状态之一的感觉, 它会用一个标准来转换成分数,你的情感倾向将会根据你的反应来进行计算。...这两个主题都超出了本文的范围。因此,我们将只简要讨论他们。 在进行计算机操作时,我们主要处理的是布尔逻辑或二进制逻辑,即任何实体都可认为0或1。
云计算这一术语已经在大多数消费者的消费理念中占据了一席之地,边缘计算可以看做是无处不在的云计算和物联网(IoT)的延伸概念,雾计算的概念尽管与边缘计算略显模糊,但是它与边缘计算是两种技术理念,介于云计算和边缘计算之间...本文将会介绍边缘计算是什么,在2018年的涨势如何,以及业界应该给予它怎样的关注。...将计算迁移到边缘具备以下几个优势,能够促进更理想的计算: 能够近乎实时地处理数据 处理的数据可以从各个边缘节点并行收集 消除了在带宽有限的网络上发送原始数据的负担 消除计算量大的原始数据对数据中心的压力...雾计算:改变边缘的定义 雾计算和边缘计算定义很模糊,业界一直在尝试将这两者区分开作为单独的概念。对此,业界最广为接受的概念是在边缘计算中,数据处理在收集数据的硬件上。...雾计算是当节点的一个子集发送其数据到更大的中心连接点,在连接到更大的整体中心网络的过程中处理数据。 不管是边缘计算还是雾计算,其优势都很明显。
为此,作者使用 Bayesian optimisation(带有高斯过程的贝叶斯优化)和用于决定何时以及如何改变 GAN 的超参数的深层强化学习(DRL),在创建强化学习过程中,将使用一些最新技术,如...在精度方面,LSTM 和 GRU 的结果相差不多,但是 GRU 使用的训练参数要比 LSTM 少,计算强度也要小。...CNN 网络在提取隐藏特征等工作上具有优势,那如何应用于这个任务中?...(4)强化学习理论 使用无模型的 RL 算法,原因很明显,我们不知道整个环境,因此没有关于环境如何工作的定义模型(如果存在,就不需要预测股票价格的变化)。...总结 可见,作者在把各路强模型联合打造的结果还是非常优秀的。不过作者还尝试创建一个 RL 环境,用于测试决定何时以及如何进行交易的交易算法。
领取专属 10元无门槛券
手把手带您无忧上云