- 博客(16)
- 收藏
- 关注
原创 【教程】使用pyinstaller打包一份python脚本——包含文件导入与导出
问题如下:对于若干份有字段’name’,‘age’,'birth_date’的表格,我们要保留姓名超过2个字、年龄大于20且生日在9月之前的数据那么我们可以借由python脚本并打包成程序,每次只需打开程序便能自动对表格完成操作(ps: 若有数据库,借由sql当然可以很简单实现,但本文只是以一个简单例子角度作为切入)
2023-08-18 19:47:26 202
原创 机器学习常见算法——原理、模型、算法
K近邻(KNN)朴素贝叶斯(naive Baves)线性回归岭回归Lasso估计Logistic回归决策树集成方法随机森林(Random Forest)梯度提升树(GBDT)自适应提升(Adaboost)神经网络支持向量机(SVM)线性可分支持向量机(硬间隔支持向量机)近似线性可分支持向量机(软间隔支持向量机)非线性支持向量机主成分分析(PCA)K-means聚类K近邻(KNN)给定训练数据集{(x1,y1),…,(xn,yn)}\{(\boldsymbol{x}_1,y_1),\ldots,(\bo
2023-06-22 18:35:19 277 1
原创 单一合约日间趋势交易策略——单均线策略
当昨日收盘价低于5日均线时,如果我们多头和空头头寸为0,我们于当天做空合约,如果多头头寸不为0,空头头寸为0,我们于当天先平仓,再做多合约。在2022-11-11,出现空头下单信号(order=-1)且多头头寸为1、空头头寸为0(前一天的long_position=1,short_position=0),我们先平仓(当天long_position=0),再建立空头头寸(当天short_position=1),换句话说,在该天我们做空了两手合约,但其中一手用来平仓,头寸被清空了;
2023-06-22 15:36:30 399 1
原创 一元Logistic回归的极大似然估计
给定序列xt和对应的yt∈−11Pyi1∣xi1expωxibexpωxib显然,当Pyi1∣xi0.5时,yi1,反之yi0。
2023-06-20 13:34:21 137
原创 误差修正模型
考虑这样一个场景:我们要对两个时间序列xt和yt构建模型,如果xt和yt平稳,那我们可以构建这么一个简单模型ytβ0β1xtϵt,然后用最小二乘去估计参数。但是,如果xt和ytΔytβ0′β1′Δxtut,其中,utϵt−ϵt−1可以发现一个问题,对于残差项,我们一般假设其序列不相关,但对于utϵt−ϵt−1。
2023-06-20 12:43:53 430
原创 多元线性回归的参数估计——最小二乘
yiβ0β1x1iβkxkiϵi假设样本数据集为{y1yn,令ββ0β1βk′,yy1yn′,xi1x1ixki′,xx1xn,那么:ββargmini1∑n21yi−xi′β2βargmin21∣∣y−x′β∣∣2βarg。
2023-06-19 22:06:40 665
原创 格兰杰因果关系检验 Granger Causality Test
最后一步,利用F检验,判断是否显著,若拒绝原假设,则说明五粮液的收盘价是茅台收盘价的格兰杰原因(Granger Causal)格兰杰因果关系检验,从某种意义上说,并不是真实的因果关系,而是在于判断一个时间序列对于另一个时间序列的预测是否有促进作用。比如对于茅台和五粮液的收盘价数据,我们想判断五粮液的收盘价是否有助于预测茅台的收盘价,步骤如下。第一步,对数据进行平稳性检验,不平稳的话进行差分之后再检验;第三步,加入五粮液的收盘价数据的滞后项,比如。第二步,找到一个关于茅台收盘价的最佳。
2023-06-19 21:30:55 1634
原创 ARMA(p,q)的参数估计——公式推导
ARMA(p,q)极大似然估计条件似然估计ARMA(p,q)yt=ϕ0+ϕ1yt−1+…+ϕpyt−p+θ1ϵt−1+…+θqϵt−qy_t=\phi_0+\phi_1y_{t-1}+\ldots+\phi_py_{t-p}+\theta_1\epsilon_{t-1}+\ldots+\theta_q\epsilon_{t-q}yt=ϕ0+ϕ1yt−1+…+ϕpyt−p+θ1ϵt−1+…+θqϵt−q其中,ϵt∼i.i.d.N(0,σϵ2)\epsilon_t\mathop{\si
2023-06-19 16:07:56 404
原创 AR(1)的参数估计——公式推导
设AR1模型为ytϕ0ϕ1yt−1ϵtϵt∼iidN0σϵ2,求解参数ϕ0ϕ1σϵ2。
2023-06-10 17:13:21 2308 3
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