- 博客(6)
- 收藏
- 关注
原创 Tensorflow 笔记 1 CNN
%%time2from __future__ import division3from __future__ import print_function 4import numpy as np5import pandas as pd6import matplotlib.pylab as plt7%matplotlib inline8import seaborn as
2017-01-12 11:20:46 783
原创 重新比较3个模型预测大盘准确率
经过和坛子里的朋友友好讨论以后,我决定还是把样本按照时间序列切除一下,把最后100~228行数据拿出来不放在训练和测试集里分割,做一个样本外测试集来score一下比较比较模型效果,看看这样做了以后,我们3个模型的表现。前3个帖子回顾:使用SVM预测大盘涨跌使用决策树预测大盘涨跌使用AdaBoost预测预测大盘涨跌测试模型稳健性的结果发现,只剩下决策树这个最简单的模型表现得还
2017-01-11 15:02:28 9629 1
原创 使用AdaBoost预测预测大盘涨跌
继使用SVM预测大盘涨跌, 使用决策树预测大盘涨跌后的第三个预测大盘涨跌的模型。包括调参的过程以及模型稳健性验证。经过调参之后,预测准确率可以达到平均90%,上下波动范围约10%。看到预测的准确率还不错,我提取出了特征的权重值,来思考决策树为什么预测准确率还不错。然后做了策略不加预测大盘和加上预测大盘的对比。可以发现,一般的策略(例如纯随机,小于4购买)在加
2017-01-09 16:51:57 4726 5
原创 使用决策树预测大盘指数
在和坛友们经过友好讨论以后,我认为时间对于预测大盘来说确实是一个不可忽视的信息,粗暴地交叉验证获得的准确率,以及依靠这个准确率进行的调参,很容易过拟合。以及,我之前发现一个问题,如果单纯地把30天后的涨跌算作大盘指数涨跌,很容易让模型拟合噪音,于是我设定了10%的阈值,高于这个阈值的时候才认为大盘在涨,低于这个阈值的时候才认为大盘在跌。当然,更好的办法是使用mean in 30 day
2017-01-05 15:31:12 4123
原创 量化分析师的Python日记【Q Quant兵器谱之偏微分方程3的具体金融学运用】
欢迎来到Black - Scholes — Merton的世界!本篇中我们将把第11天学习到的知识应用到这个金融学的具体方程之上!import numpy as npimport mathimport seaborn as snsfrom matplotlib import pylabfrom CAL.PyCAL import *font.set_size(15)
2017-01-03 11:05:05 2425 2
原创 Tensorflow 笔记 用 GoogLeNet 做模式识别
GoogLeNet, 2014 年 ILSVRC 挑战赛冠军,这个 model 证明了一件事:用更多的卷积,更深的层次可以得到更好的结构。结构拓宽卷积网络的宽度和深度,其中将稀疏矩阵合并成稠密矩阵的方法和路径具有相当的工程价值。本帖使用这个NiN结构的复合滤波器对 HS300ETF 进行技术分析因子预测。并通过叠加不同指数,尝试寻找‘指数轮动’可能存在的相关关系。
2017-01-17 17:13:21 4882
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人