m0_37876745的博客

话不多说，上来放干货，自动化调参的ARIMA模型，解放您的双手：https://blog.csdn.net/weixin_45839604/article/details/112041261未完待续

text justification‘’’原字符串左侧对齐， 右侧补零:‘’’str.ljust(width,‘0’)input: ‘789’.ljust(32,‘0’)output: ‘78900000000000000000000000000000’‘’’原字符串右侧对齐， 左侧补零:方法一：‘’’str.rjust(width,‘0’)input: ‘798’.rjust(32,‘0’)output: ‘00000000000000000000000000000798’‘’

股指期货期现套利的概念股指期货期现套利，是指股指期货与股指现货之间套利，是利用股指期货合约与其对应的现货指数之间的定价偏差进行套利交易，属于无风险套利。即在买入(卖出)某个月份的股指期货合约的同时卖出(买入)相同价值的标的指数的现货股票组合，并在未来某个时间对这两笔头寸同时进行平仓的一种套利交易方式。理论上期现套利属于无风险套利。只要定价偏差的收益能覆盖掉交易成本，就可以进行期现套利操作，而不用关心市场的未来走势。股指期货套利分为两种：正向套利和反向套利。正向套利：正向套利即买入现货，卖出期货。若

文稿之后有空在写，英文比较好的可以看看这个链接：Write map to a fileint WriteFile(std::string fname, std::map<std::string, std::string> *m) { int count = 0; if (m->empty()) return 0; FILE *fp = fopen(fname.c_str(), "w"); i

遇到这个问题其实主要就是说，有可能是linux上挂载的文件系统不合适，此外就是针对特定的文件格式，没有进行很好的适配，这里主要是指NTFS首先的话就是要把这个盘符要卸载一下，其次再重新挂载关于linux下的文件操作指令，在文章末尾有详细介绍，这里直接给出来：fdisk命令查看硬盘的信息：fdisk -l /dev/sdb查看硬盘的信息这里使用的卸载命令其实就是umount命令：umount /dev/sda至于说下一步进行重新挂载的话，主要是需要两个工具包：ntfs-3g 以及ntfsfi

time base 时间切分price base 按照价格来切分value base 有价钱变化和量的变化（三个参数关键进行预测，所有的参数都是时间的function）rsigma 波动率k 到达率，流动性 （都是t的函数，和时间有关系，9：30-15：00）【在估计参数的时候，我们按照大中小盘，对单个的股票的曲线进行修正】spread的张开和缩小这个其实也可以进行预测A股波动率，交易量和波动率也是相关的（数字货币每个交易所的分布都不一样，从周一到周日的分布也不一样）（A股的分布也是从

Python statistical-arbitrage Libraries

首先介绍一个读取csv文件的好用的工具：DataFrame C++这个也是一个，但是感觉一般般A modern C++ library for reading, writing, and analyzing CSV (and similar) files.

说道理比较丢人，都到了这个时候了，还踩坑其实就几点吧，一个是遇到ssh登录，明明密码正确，还提醒permission denied，这个时候其实最简单，最快捷的办法就是使用ssh密钥进行登录，快捷还不会出错；此外一个就是配置jupyter notebook的远程服务，这个时候还险些翻了错误，由于我误以为链接不上jupyter 服务是因为服务器没有开放端口，结果差一点导致再也连不上远程的服务器（备注这里老哥们的评论真的笑死我了，在设置防火墙的时候，不先把ssh相关服务端口添加进去，导致的结果真的是灾难性的）

最好的语法修改工具：grammarly一些整理资料：英文论文中i.e., e.g., etc.的正确用法

【机器学习】Optuna机器学习模型调参(LightGBM、XGBoost)Optuna — 超参自动化调整利器 学习笔记

在这里：http://www.360doc.com/content/18/0607/11/1090368_760366422.shtml

有哪些好用的学术翻译工具：·谷歌翻译：https://translate.google.com/

sleekxmpp quickstart Github此模块一般用于在Python中构建与Google Talk的通讯，在量化中国外研究员的代码中常见。就类似我们写的代码能够向微信推送消息或者互动一样。

这四个概念是肯定会遇到但是，容易混淆的东西这几个玩意都是用于代码优化和加速的东西首先我们日常用的python解释器，其实就是CPython

emm，我不知道这个坑能不能开好，我会尽量努力的。冠军的代码链接在这：Kaggle冠军代码方案比赛链接目前网上已有的代码解读：

使用方法很简单，其实就是说有时候dataframe数值好好的突然就变成了nan或者说数值变动了这个时候多半是在创建新的dataframe的时候使用了旧的dataframe的数值，采用的一个简单的方法就是多用.copy()最简单的一个场景：import pandas as pdimport numpy as npdf = pd.DataFrame(data=[[1,2,3],[4,5,6],[7,8,9]],columns=['a','b','c'])df2 = pd.DataFrme(df.v

这个问题其实是因为在内网机器上，pyecharts的渲染资源访问不到，可以参考这个https://github.com/pyecharts/pyecharts-assets上面介绍的步骤，如果还不行就重启一下电脑就完了pyecharts-assetspyecharts-assets 提供了 pyecharts 的静态资源文件。可通过 localhost-server 或者 notebook-server 启动本地服务。首先将项目下载到本地通过 git clone$ git clone http

https://blog.csdn.net/Fuxiu279/article/details/88429801

这里有几个数据库的可视化工具：一个是influxdb上自带的一个可视乎工具，就是它自带的web管理页面，比如说如下的介绍：https://blog.csdn.net/qq_37822090/article/details/119035422一个就是说influxdb的studio一个就是grafana，这个可以用：...