【P000-006】 指标数据模块——抽象

最新推荐文章于 2024-11-12 21:59:57 发布
最新推荐文章于 2024-11-12 21:59:57 发布
阅读量602 收藏
点赞数
分类专栏： 项目——分析 文章标签： 个人项目 抽象 证券指标 算法 建模
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/der_wille_zur_macht/article/details/24102493
版权
交易费模块做完，接下来是指标数据，开始的想法是分成长性，利润质量什么的分别来写，现在调整了下思路，其实经典的价格价值指标就那几个，先写一个总的换算类，到时候各个功能模块再来调用就行，可以大大降低耦合，提高代码质量。重新把当年学的证券从业资格和CIIA翻出来看，倒是有些感想，这个以后再说

首先得把各个各个指标间的转换关系抽象出来形成公式

研究换算关系的时候，看着指标数据转换过来转换过去的，突然冒出个念头， 指标数据中，最基本，最核心的是哪（几）个？也就是换言之，最少可以通过几个指标就能推导出所有？

这个数学问题，现在的思路是弄一个关系图，找核心节点


 

一体同悲
关注
专栏目录
数据结构与算法——从零开始学习（一）基础概念篇
csdn_aiyang的博客
12-06 25万+
前言 数据结构：是指相互之间存在一种或多种特定关系的数据元素的集合用计算机存储、组织数据的方式。数据结构分别为逻辑结构、（存储）物理结构和数据的运算三个部分。 为什么要学数据结构？ 首先，因为数据结构作为计算机专业的专业基础课程，是计算机考研的必考科目之一，如果打算报考计算机专业的研究生，你必须学好它；其次，数据结构是计算机软考、计算机等级考试等相关考试的必考内容之一，想要顺利通过这些考...
【数据挖掘竞赛】——比赛的流程干货分享
lingxw的博客
06-30 1127
做一个数据挖掘比赛，主要包含了数据分析，数据清洗，特征工程，模型训练和验证等四个大的模块。
【P000-007】分析模块——OO面向对象
行道难，在路上的专栏
04-26 435
个人项目抽象证券指标算法建模
LINUX学习------Linux自动化运维——Kubernetes的pod管理
qq_45106132的博客
06-21 1668
Pod管理 kubectl get pod -n kube-system ##当启动时确保节点都是成功的 一、
机器学习与数据挖掘——分类与预测模型
eyes++的博客
12-08 1万+
如果有兴趣了解更多相关内容，欢迎来我的个人网站看看：瞳孔空间分类(Classification)：分类是找出描述并区分数据类或概念的分类函数或分类模型(也常常称作分类器)，该模型能把数据库中的数据项映射到给定类别中的某一个，以便能便用模型预测类标记未知的对象类。预测(Prediction)：识别对象在特定时刻的状态（带有时间参数的求解）分类的步骤(1)：建立模型 分类的步骤(2)：使用模型进行预测 分类与预测的案例：分类器评价或比较尺度：保持(holdout)：K-次交叉验证(k-fold cross v
DAMA学习笔记(三)-数据架构
weixin_44852067的博客
06-28 1234
对组织要素有组织的设计, 旨在优化整个结构或者系统的功能、性能、可行性、成本和用户体验。在组织不同范围、不同层级展开, 负责将难以理解的东西定义明确清晰。企业架构: 业务架构、数据架构、应用架构以及技术架构等。有效地管理数据以及有效管理存储和使用数据的系统。数据架构的基本组成部分:1) 数据架构成果不同层级的模型、定义、数据流(数据架构构件2) 数据架构活动用于形成、部署和实现数据架构的目标。3) 数据架构行为影响数据企业数据架构不同角色之间的协作、思维方式和技能。数据架构是数据管理的基础。
互联网业务数据指标体系
Same_thing__的博客
10-18 1592
互联网业务数据分析
Greenplum 实时数据仓库实践（10）——集成机器学习库MADlib
wzy0623的专栏
01-19 4485
目录 10.1 MADlib基本概念 10.1.1 MADlib是什么 10.1.2 MADlib的设计思想 10.1.3 MADlib的工作原理 10.1.4 MADlib的执行流程 10.1.5 MADlib架构 10.2 MADlib的功能 10.2.1 MADlib支持的模型类型 10.2.2 MADlib的主要功能模块 10.3 MADlib的安装与卸载 10.3.1 确定安装平台 10.3.2 安装MADlib 10.3.3 卸载MADlib 10.4 MADlib示
因果推断笔记——数据科学领域因果推断案例集锦（九）
热门推荐
素质云笔记
09-09 1万+
2 腾讯看点：视频笔记 ​ 2.1 观测数据 、 实验数据的理论介绍 ​ ![image.png](https://img-blog.csdnimg.cn/img_convert/c66bdbcdd86d5031040f51924397952d.png#clientId=u8e2473a0-856a-4&from=paste&height=746&id=ud2728b80&margin=[object Object]&name=image.png&origin
Python 数据建模：通过统计学、机器学习等模型算法来进行数据建模介绍Python中的几个有代表性的机器学习库——Scikit-learn、Tensorflow、PyTorch等
AI天才研究院
08-05 1110
数据建模是数据分析的一个重要环节，它指的是对数据按照一定规则进行抽象化、概括化、整合化，并转换成可用于决策支持系统或者其他应用场景的形式。在做数据建模之前，需要了解数据的特点、结构、分布、关联、缺失值等特征；熟悉分析工具如Excel、SPSS、Matlab等，掌握SQL语言。数据建模常用的模型包括分类模型（如逻辑回归、决策树、随机森林、AdaBoost）、聚类模型（如K-means、层次聚类、高斯混合模型）、关联模型（如因子分析、主成分分析）等。
【数据治理】数据治理之元数据管理的利器——Atlas入门宝典
菜鸟叔叔的博客
04-02 1592
随着数字化转型的工作推进，数据治理的工作已经被越来越多的公司提上了日程。作为Hadoop生态最紧密的元数据管理与发现工具，Atlas在其中扮演着重要的位置。但是其官方文档不是很丰富，也不够详细。所以整理了这份文档供大家学习使用。 ...
AUTOSAR AP R22-11 有哪些模块，各有什么功能？
usstmiracle的博客
08-04 723
(6) Adaptive Autosar 整体架构理解_AgingMoon的博客-CSDN博客. https://blog.csdn.net/AgingMoon/article/details/102813280.(7) Adaptive Autosar 整体架构理解 - CSDN博客. https://blog.csdn.net/usstmiracle/article/details/108639362.基础包括了操作系统接口、执行管理、网络管理、识别访问管理、加密、更新和配置管理等功能¹。
PCA（主成分分析）算法的应用场景
huanfeng_AI的博客
11-09 402
需要注意的是，PCA并不适用于所有场景。例如，当数据之间存在非线性关系时，PCA可能无法完全揭示数据的内在结构。此外，PCA对初始变量的顺序和标签敏感，不同的变量顺序可能导致不同的主成分结果。因此，在选择数据分析方法时，需要根据具体的数据和任务需求来决定是否使用PCA。
1163：阿克曼(Ackmann)函数
最新发布
呆萌很的博客
11-12 124
1163：阿克曼(Ackmann)函数
点云配准之点到点，点到面，点到线ICP，NDT算法介绍
qq_54375651的博客
11-10 1277
点云配准在人工智能，自动驾驶，SLAM等任务中具有十分关键的作用，本文将介绍点云配准的点到点，点到线，点到面ICP和NDT算法
0-Equity-Transformer：求解NP-Hard Min-Max路由问题的顺序生成算法（AAAI-24)(完)（code）
太极生两鱼
11-12 35
最小最大路由问题旨在通过智能体合作完成任务来最小化多个智能体中最长行程的长度。这些问题包括对现实世界有重大影响的应用场景，但已知属于NP-hard问题。现有方法在大规模问题上面临挑战，尤其是在需要协调大量智能体以覆盖数千个城市的情况下。本文提出了Equity-Transformer来解决大规模最小最大路由问题。首先，我们采用顺序规划方法来处理最小最大路由问题，使我们能够利用强大的序列生成器（例如，Transformer）。其次，我们提出了关键的归纳偏差，以确保智能体之间的公平工作量分配。
二分查找习题篇(上)
zoelinkailuo的博客
11-07 1009
给定⼀个 n 个元素有序的（升序）整型数组 nums 和一个目标值 target ，写一个函数搜索 nums 中的 target，如果目标值存在返回下标，否则返回 -1。这里，我们把数组的元素分为两部分——小于等于target的部分[left,Bright] and 大于target的部分[Bright+1,right]。这里，我们把数组的元素分为两部分——平方后小于等于x的部分[1,mid] and 平方后大于x的部分[mid-1, x]和一个目标值，在数组中找到目标值，并返回其索引;
AI 写作（三）文本生成算法：创新与突破（3/10）
小相探索IT世界
11-08 1706
本文深入探讨了 AI 写作中的多种文本生成算法。首先介绍了生成式与判别式模型的区别与特点，包括优化准则、对观察序列的处理、训练复杂度以及支持的训练方式等方面的差异，并对比了它们在 AI 写作中的优缺点。接着详细阐述了长短期记忆网络（LSTM）在文本生成中的应用，包括技术原理与结构、实现步骤与流程以及应用示例与效果。还深入分析了 Transformer 与自注意力机制，介绍了其模型架构与组成、自注意力机制的作用以及在 AI 写作中的重要作用。
全集：VISIO图标库——抽象图标与网络设备
"该资源是一个全面的VISIO图标库，包含不同颜色主题（如浅紫、黄色和深蓝）的抽象图标，涵盖了网络设备和管理的各种元素，包括SoftX(CS)、拓扑管理、策略管理、服务器、ATM、交换机、SGW、信令网关、GK、AAA、缓存、...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值