![](https://img-blog.csdnimg.cn/20201014180756738.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
数学
量化橙同学
好好记录就是对曾经的负责,是对生命的珍视,对价值的保护,对勤奋的肯定,对灵魂的忠诚!
展开
-
随机分析学习——总论篇
随机分析学习原创 2022-06-10 13:18:18 · 238 阅读 · 1 评论 -
python学习——多进程学习
1.多进程的异常处理:python multiprocessing 如何在主进程中捕获子进程抛出的异常,适用于子进程无返回值的场景。推荐使用基于 multiprocessing.Queue() 的方案。具体参考:https://blog.csdn.net/lixiaowang_327/article/details/81319923...原创 2022-05-29 14:55:35 · 148 阅读 · 0 评论 -
软件设计模式学习——介绍SPI
推荐两本书:《架构修炼之道》和《软件框架设计的艺术》SPI是一种回调的思想,回调是指我们在使用api时,我们可以向api传入一个类或者方法,api在合适的时间调用类或者方法。SPI是在一些通用的标准中,为标准的实现产商提供的扩展点。标准在上层提供API,API内部使用了SPI,当API被客户使用时,会动态得从当前运行的classpath中寻找该SPI的实现,然后使用该SPI的实现来完成API的功能。“SPI”,全程为:service provider interface,“SPI”的规则如下:概念上更原创 2022-05-23 16:04:45 · 1013 阅读 · 0 评论 -
时间序列学习——度量时间序列的信息含量
时间序列的表示与信息提取其中介绍了很多和时间序列信息熵相关的指标:https://zhuanlan.zhihu.com/p/39105270此外这个论文更是这样:链接在此:https://www.dlnu.edu.cn/xintong/docs/20121128144202794986.pdf原创 2021-10-20 17:30:06 · 425 阅读 · 0 评论 -
深度学习学习——pytorch下的工具之TORCH.UTILS.BOTTLENECK
除了这个以外,pytorch下还提供了很多别的好用的util工具文档在此:https://pytorch.org/docs/stable/bottleneck.htmltorch.utils.bottleneck是一个可以用作调试程序瓶颈的初始步骤的工具。它汇总了Python分析器和PyTorch的autograd分析器脚本的运行情况Pytorch – torch.utils 系列https://zhuanlan.zhihu.com/p/375445552...原创 2021-10-18 17:37:51 · 797 阅读 · 0 评论 -
python学习——pandas.get_dummies
一个比较有用的工具包:get_dummies具体干啥用的我不记得了但是很有用反正原创 2021-10-14 09:47:24 · 520 阅读 · 0 评论 -
python学习——Reading a Matlab cell array save as a v7.3 .mat
请使用python包 hdf5storage原创 2021-09-30 10:29:17 · 185 阅读 · 0 评论 -
深度学习学习——提升GPU的利用率(Volatile GPU-Util)
除去网上介绍的那些方法,如测试一个合适的num_worker,或者设置pin_memory为true以外,还有一些方法,比如这里有几个工具是专门用来测试GPU的使用情况的,如pytorch下的工具包TORCH.UTILS.BOTTLENECK还有英伟达官方提供的一个工具包:PyProf除此之外,pytorch的另一个工具:PyTorch Profiler也可以来做这个事情...原创 2021-09-24 16:04:46 · 1883 阅读 · 0 评论 -
python数据处理——合并最近时间戳的数据
pandas.merge:匹配最近的时间戳> =时间戳系列为了解决这个问题真的是花了我近两个小时的时间啊,孙继丰啊,孙继丰啊,你为什么就不能主动去问问题啊我有两个数据帧,两个数据帧都包含一个不规则间隔的毫秒分辨率时间戳列。我的目标是匹配行,以便对于每个匹配的行,1)第一个时间戳总是小于或等于第二个时间戳,2)匹配的时间戳对于满足1)的所有时间戳对最接近。merge()不能做这...原创 2021-08-21 16:43:47 · 849 阅读 · 0 评论 -
python数据分析入门之三——一高质量的数据科学竞赛平台的汇总
https://tianchi.aliyun.com/competition/gameList/activeList天池大数据竞赛原创 2021-08-21 16:40:21 · 231 阅读 · 0 评论 -
python数据分析——描述性统计的相关介绍
数据分析的基础——统计学之描述性统计(一)https://zhuanlan.zhihu.com/p/33544707先来给出一个比较官方的说法:描述统计,又称叙述统计,是统计学中,来描绘或总结观察量的基本情况的统计总称。、描述性统计的一个神器:https://pandas-profiling.github.io/pandas-profiling/docs/master/rtd/index.html二:推断统计学依旧给出个比较官方的说法:推断统计学(或称统计推断,英语:statistical原创 2021-08-18 10:19:27 · 346 阅读 · 0 评论 -
python数据分析——时间序列特征工程的介绍
https://www.analyticsvidhya.com/blog/2019/12/6-powerful-feature-engineering-techniques-time-series/介绍了对于特征工程的常用的一些操作6 Powerful Feature Engineering Techniques For Time Series Data (using Python)Quick Introduction to Time Series Setting up the Problem .原创 2021-08-18 10:19:06 · 407 阅读 · 0 评论 -
量化投资学习——优化方法
优化方法 https://blog.csdn.net/tianzy16/article/details/87916128?ivk_sa=1024320u原创 2021-05-03 22:40:49 · 435 阅读 · 0 评论 -
量化投资学习——开源框架kungfu代码学习
todo原创 2021-04-30 18:07:57 · 1182 阅读 · 1 评论 -
python可视化学习——Bokeh快速入门
https://zhuanlan.zhihu.com/p/52023104原创 2021-04-30 14:23:06 · 208 阅读 · 0 评论 -
时间序列学习——奇异谱分析
奇异谱分析好像能做很多事情:基于奇异谱分析的时间序列互相关分析http://cdmd.cnki.com.cn/Article/CDMD-10165-1018181124.htm原创 2021-04-30 11:22:45 · 1616 阅读 · 0 评论 -
时间序列学习——时间序列异常检测资源
时间序列异常检测包:https://github.com/tsurubee/banpei原创 2021-04-27 17:05:48 · 1249 阅读 · 0 评论 -
python数据处理——python读取数据库若干行
~原创 2021-04-06 11:20:30 · 304 阅读 · 0 评论 -
金融风险检测——信用卡套现从入门到入土
信用卡套现从入门到如土这个最绝,养卡社区:https://bbs.51credit.com/forum.php?mod=forumdisplay&fid=130&filter=typeid&typeid=478某自封官方的套现团伙:https://sites.google.com/site/httpwwwshxyk123cn/home/shang-hai-xin-yong-ka-tao-xian-fu-wu-zhong-xinhttps://bbs.51credit.co原创 2021-04-01 11:29:55 · 623 阅读 · 0 评论 -
反编译学习——入门和退水
我就很纳闷了,我来做的是quant,怎么还和反编译这种神奇的工作扯上关系了。。。https://l0x1c.github.io/2020/06/09/2020-6-09/#1-2-%E5%8F%8D%E6%B1%87%E7%BC%96%E9%9D%99%E6%80%81%E5%88%86%E6%9E%90%E5%B7%A5%E5%85%B7-IDA原创 2021-03-31 19:45:42 · 378 阅读 · 0 评论 -
python数据处理——获得一个0-1矩阵每行/列第一个数值1的位置
代码逻辑很简单:找到每一行/列最大值的位置即可,因为都是0和1,所以找到的最大值就是第一个数据(data!=0).argmax(axis=1)data = np.array([[1,0,1],[0,1,0],[0,0,1]])(data!=0).argmax(axis=1)#array([0, 1, 2], dtype=int64)...原创 2021-03-25 18:07:38 · 1950 阅读 · 0 评论 -
python数据分析——pandas.pivot_table
pandas.pivot_table原创 2021-03-24 23:16:57 · 228 阅读 · 0 评论 -
深度学习学习——关于特征降维的一些算法总结
特征降维:https://www.zhihu.com/column/c_119455233717021491210种特征降维的算法:https://zhuanlan.zhihu.com/p/68754729原创 2021-03-09 22:23:17 · 2059 阅读 · 0 评论 -
python数据处理——对dataframe处理获得一小时高开低收/k线数据/OHLC数据
dataframe是一个以时间为index,然后是只有一列数据的dataframe或者seriesdf.resample('1H', how='ohlc', axis=0, fill_method='bfill')原创 2021-03-08 16:58:27 · 828 阅读 · 0 评论 -
python数据处理——对dataframe按天进行切分成若干个子dataframe
这里的df的index是日期类型,最好是用pd.to_datetime()先处理一下,然后用下面这行代码就可以了,当然,也可以按照小时进行切分,就groupby(df.index.hour)就可以,很简单DFList = [group[1] for group in df.groupby(df.index.day)]...原创 2021-03-08 16:54:04 · 3358 阅读 · 0 评论 -
时间序列的特征工程——一些总结
如何对周期性的如时间,月份进行特征工程表示:周期特征的循环编码说明:一些数据具有固有的周期性。时间就是一个很好的例子:分钟,小时,秒,星期几,一个月的某周,一个月,季节等都是具有循环往复的周期性的,生态特征(如潮汐),星座特征(如轨道位置),空间特征(如旋转或经度),视觉特征(如色轮)也都是自然循环的。如何让我们的机器学习模型知道某个功能是周期性的?让我们探索一个简单的24小时时间数据集,我们想将其周期性性质传达给我们的模型https://zhuanlan.zhihu.com/p/28.原创 2021-03-03 10:42:15 · 2895 阅读 · 1 评论 -
python时间序列分析——基于混沌和数据分形理论的特征构建
深度解析Hurst模型的打开方式https://www.sohu.com/a/161977680_739119介绍:金融市场中大多数时间序列的波动往往表现为非周期性循环,重标极差分析法从标度不变性角度出发,不仅能有效计算非周期性循环的平均循环长度(避免传统谱分析弊端),而且还能分析周期性循环的固定周期。在重标极差法下计算Hurst指数,为保证结果稳定性与准确性,将子区间长度N的上限确定为非周期性循环的平均循环长度极有必要,而平均循环长度的计算有赖于重标极差分析。此外,由于分形市场理论并不以正态.原创 2021-02-25 17:11:34 · 2299 阅读 · 0 评论 -
时间序列的特征工程——针对Hurst指数的Python计算
时间序列的特征工程——针对Hurst指数的Python计算(附Github代码)Github地址:Hurst指数计算Python脚本最近两天为了整一个Hurst指数的计算翻了不少资料,百度到好多代码算出来结果不是大于1就是为负数,遂硬着头皮自己重造了个轮子,分享之。以下为一些简单的科普,不明白的小伙伴可以百度Hurst了解这是什么玩意儿。·什么是Hurst指数?赫斯特指数(Hurst Exponent)是用来衡量时间序列是否有长期记忆的一个指标,这一指标最初由英国水利学家Harol.原创 2021-02-25 16:29:23 · 2440 阅读 · 3 评论 -
深度学习学习——深度学习可视化工具
深度学习可视化的函数https://bbs.cvmart.net/topics/2704原创 2021-02-24 19:58:30 · 304 阅读 · 0 评论 -
python数据分析——网络流量的一些特性
网络流量自相似性:赫斯特指数(英语:Hurst exponent)以英国水文学家哈罗德·赫斯特命名,起初被用来分析水库与河流之间的进出流量,后来被广泛用于各行各业的分形分析。现实与理想诸多市场异象的发现使人们对有效市场假说的质疑愈发深重,这些异象主要集中在:收益分布正态性、波动率与时间长度幂率关系、市场记忆性等方面。而分形市场理论则与之不同,它具备两个明显特征:长记忆性(长程相关性)和标度不变性。分数布朗运动Peters在系统性提出分形市场理论的同时,还用分数布朗运动来描述金融市场的运行原创 2021-02-22 19:47:31 · 1389 阅读 · 0 评论 -
深度学习之自监督学习——一些碎碎念
最近在看自监督学习的时候,经常会遇到这个词汇,memory bank,原创 2021-02-18 14:55:03 · 295 阅读 · 0 评论 -
研究生课程之信息论基础——信息论的基础概念
随机变量的自信息随机变量,测度,概率论原创 2021-02-18 14:53:53 · 611 阅读 · 0 评论 -
量化投资学习——Calendar Anomalies:糖衣下的 Multiple Testing?阅读笔记
原文链接看这里:https://mp.weixin.qq.com/s/_FuNg_zy9rpdwLx2fwU5tw(黑体字直接摘录自原文)本文介绍的内容是:日历异象,这个名词的意思就是在每年的一些特定的日子里,收益有显著的非零的现象(可能和证券机构的汇总清账有关系,或者比如国庆节这类政治色彩很浓的日子等等诸如此类,该文章介绍的就是这个内容)换月效应(turn of month effe...原创 2021-02-18 14:53:25 · 307 阅读 · 0 评论 -
自然语言处理库NLTK信息汇总
自然语言处理库NLTK介绍https://blog.csdn.net/m0_37876745/article/details/111174217NLTK是构建Python程序以使用人类语言数据的领先平台。它为50多种语料库和词汇资源(如WordNet)提供了易于使用的界面,还提供了一套用于分类,标记化,词干化,标记,解析和语义推理的文本处理库。NLTK是Python上著名的⾃然语⾔处理库 ⾃带语料库,具有词性分类库 ⾃带分类,分词,等等功能。NLTK被称为“使用Python进行教学和计算语言学工作的原创 2021-02-18 14:52:51 · 254 阅读 · 0 评论 -
基于GARCH模型对中国市场上的金融时间序列价格波动的实证研究
·s原创 2021-02-18 14:52:32 · 533 阅读 · 0 评论 -
python数据分析——入门资料整理
国内外高质量数据科学竞赛平台有哪些?https://blog.csdn.net/fengdu78/article/details/105283742华为云https://competition.huaweicloud.com/competitions原创 2021-02-18 14:43:39 · 275 阅读 · 0 评论 -
网络流量分析入门——资料汇总和一些文字描述
关于图神经网络的部分主编推荐 | 图神经网络简介及其在交通流预测中的应用 https://zhuanlan.zhihu.com/p/144511840自动驾驶,城市计算的相关论文论文推荐 | 基于深度学习的自动驾驶交通流预测研究:回顾、解决方案和挑战【综述】 https://zhuanlan.zhihu.com/p/337146851...原创 2021-02-15 21:25:40 · 539 阅读 · 0 评论 -
python数据分析——自相关图和偏自相关图
自相关图是一个平面二维坐标悬垂线图。横坐标表示延迟阶数,纵坐标表示自相关系数偏自相关图跟自相关图类似, 横坐标表示延迟阶数,纵坐标表示偏自相关系数自相关图与偏自相关图的python代码实现:from statsmodels.graphics.tsaplots import plot_acf, plot_pacfplot_acf(b.salesVolume)plot_pacf(b.salesVolume)...原创 2021-02-11 10:19:23 · 14955 阅读 · 1 评论 -
python学习之数据可视化分析——资料汇总
箱型图的介绍https://baike.baidu.com/item/%E7%AE%B1%E5%BD%A2%E5%9B%BE/10671164?fromtitle=%E7%AE%B1%E7%BA%BF%E5%9B%BE&fromid=10101649#33D 酷炫立体图现已加入 pyecharts 豪华午餐https://zhuanlan.zhihu.com/p/28198363箱线图作用-python实践-异常值识别https://blog.csdn.net/yeziand01/ar...原创 2021-02-11 09:13:35 · 337 阅读 · 0 评论 -
python数据学习——地区网络流量预测相关资料
Kaggle上的wiki网站流量分析https://www.kaggle.com/headsortails/wiki-traffic-forecast-exploration-wtf-eda【量化研究】高频时间尺度的相关性结构https://zhuanlan.zhihu.com/p/41692943知乎问题:https://www.zhihu.com/question/266196627/answer/1336706698Kaggle比赛冠军经验分享:如何用 RNN 预测维基百科网络流量...原创 2021-02-11 09:03:21 · 536 阅读 · 0 评论