首页
学习
活动
专区
工具
TVP
发布
精选内容/技术社群/优惠产品,尽在小程序
立即前往
  • 您找到你想要的搜索结果了吗?
    是的
    没有找到

    【全网首发】机器学习该如何应用到量化投资系列(三)

    有一些单纯搞计算机、数学或者物理的人会问,究竟怎么样应用 ML 在量化投资。他们能做些什么自己擅长的工作。虽然在很多平台或者自媒体有谈及有关的问题,但是不够全面和完整。从今日起,量化投资与机器学习公众号将推出一个系列【机器学习该如何应用到】。今日的推文,是编辑部人员对国内的所有券商金工团队做的机器学习的研究报告做了一个系统性的整理。希望大家有所收获。 获取本推文所有研报请看文章末端 系列文章(点击即可查看) 机器学习该如何应用到量化投资系列(一) 机器学习该如何应用到量化投资系列(二) 2010年08月1

    010

    【答疑解惑第三十八讲】初学者做项目需要掌握哪些东西?

    疑惑一 【答疑解惑】初学必须掌握的数据结构有哪些? 数据结构有很多,难以程度也不相同,初学者应该掌握哪些基本的数据结构呢?作为一个过来人,我觉得作为一个初学者应该掌握如下一些数据结构,当然掌握越多当然是好的,这里是从一个常用和难以程度综合权衡,对大多数初学者的建议,其他一些相对较难的以后慢慢在学校。 1)一维数组,二维数组以及更高维数的数组,尤其一二维最为常用,一定要掌握,不单单是赋值、访问,还包括相应指针定义及使用。 2)链表,包括单项链表,双向链表;链表的添加、删除、遍历、查询等等。 3)队列,能

    08

    用综合信息准则比较随机波动率(SV)模型对股票价格时间序列建模

    随机波动率(SV)模型是常用于股票价格建模的一系列模型。在所有的SV模型中,波动率都被看作是一个随机的时间序列。然而,从基本原理和参数布局的角度来看,SV模型之间仍有很大的不同。因此,为一组给定的股票价格数据选择最合适的SV模型对于对股票市场的未来预测非常重要。为了实现这一目标,可以使用留一交叉验证(LOOCV)方法。然而,LOOCV方法的计算成本很高,因此它在实践中的应用非常有限。在对SV模型的研究中,我们提出了两种新的模型选择方法,即综合广泛适用信息准则(iWAIC)和综合重要性抽样信息准则(iIS-IC),作为近似LOOCV结果的替代品。在iWAIC和iIS-IC方法中,我们首先计算每个观测值的期望似然,作为相对于相应的潜变量(当前的对数波动参数)的积分。由于观测值与相应的潜变量高度相关,每个第 t 个观测值(y obs t)的综合似然值期望接近于以 y obs t 为保持数据的模型所计算的 y obs t 的期望似然值。其次,在计算信息标准时,综合期望似然被用作期望似然的替代。由于相对于潜变量的整合在很大程度上减少了模型对相应观测值的偏差,因此整合后的信息标准有望接近LOOCV结果。为了评估iWAIC和iIS-IC的性能,我们首先使用模拟数据集进行了实证研究。该研究结果表明,iIS-IC方法比传统的IS-IC有更好的性能,但iWAIC的性能并不优于非综合WAIC方法。随后,利用股票市场收益数据进行了进一步的实证研究。根据模型的选择结果,对于给定的数据,最好的模型是具有两个独立自回归过程的SV模型,或者是具有非零预期收益的SV模型。

    02

    AI资讯|稳居国内第一梯队!腾讯云TI平台获评中国AI开发平台领导者象限

    ‍ 9月13日,全球知名市场调研机构弗若斯特沙利文及头豹研究院联合发布中国AI系列报告之《2021年中国AI开发平台市场报告》年度报告(下称“报告”),其中,腾讯云TI平台凭借突出的技术能力和创新指数,在中国AI开发平台应用市场综合竞争表现中位居领导者象限,这意味着在国内AI开发平台位于第一梯队的腾讯云,实力再次获得市场认可。 据了解,此次报告以人工智能领域开发平台产品为核心研究对象,对人工智能开发平台服务体系进行重点梳理,其中通过增长指数体现竞争者维持现有市场地位的能力,通过创新指数体现竞争者进一步提

    03

    R语言用综合信息准则比较随机波动率(SV)模型对股票价格时间序列建模

    随机波动率(SV)模型是常用于股票价格建模的一系列模型。在所有的SV模型中,波动率都被看作是一个随机的时间序列。然而,从基本原理和参数布局的角度来看,SV模型之间仍有很大的不同。因此,为一组给定的股票价格数据选择最合适的SV模型对于对股票市场的未来预测非常重要。为了实现这一目标,可以使用留一交叉验证(LOOCV)方法。然而,LOOCV方法的计算成本很高,因此它在实践中的应用非常有限。在对SV模型的研究中,我们提出了两种新的模型选择方法,即综合广泛适用信息准则(iWAIC)和综合重要性抽样信息准则(iIS-IC),作为近似LOOCV结果的替代品。在iWAIC和iIS-IC方法中,我们首先计算每个观测值的期望似然,作为相对于相应的潜变量(当前的对数波动参数)的积分。由于观测值与相应的潜变量高度相关,每个第 t 个观测值(y obs t)的综合似然值期望接近于以 y obs t 为保持数据的模型所计算的 y obs t 的期望似然值。其次,在计算信息标准时,综合期望似然被用作期望似然的替代。由于相对于潜变量的整合在很大程度上减少了模型对相应观测值的偏差,因此整合后的信息标准有望接近LOOCV结果。为了评估iWAIC和iIS-IC的性能,我们首先使用模拟数据集进行了实证研究。该研究结果表明,iIS-IC方法比传统的IS-IC有更好的性能,但iWAIC的性能并不优于非综合WAIC方法。随后,利用股票市场收益数据进行了进一步的实证研究。根据模型的选择结果,对于给定的数据,最好的模型是具有两个独立自回归过程的SV模型,或者是具有非零预期收益的SV模型。

    06

    慧天干旱监测与预警平台:基于风云卫星和机器学习方法的大面积干旱监测、气象预警平台

    北京慧天卓特科技有限公司成立于2022年09月,总部坐落于北京市海淀区中关村科技园区,是一家集地理遥感信息服务、遥感云计算大数据处理、人工智能应用软件开发和互联网安全服务等综合性高科技公司,公司业务涵盖测绘导航、环境监测以及气象和地址灾害评估等众多领域。公司具有行业内顶尖的的卫星应用、大数据处理和软件开发等众多高科技人才,特别是最近在气象监测方面取得了重大突破,公司与国家气候中心气象灾害风险管理室联合开发了新一代智能化干旱监测与预警业监测产品(FYDI-1.0~2.0)。

    00
    领券