GCN-GAT-Graphsage
图神经网络(Graph Neural Network,GNN)GCN/GAT/Graphsage
LSTM股价预测(Tensorflow)
使用长短期记忆网络对股票价格进行预测(LSTM )
MATLAB股票投资组合构建
使用matlab搭建均值方差模型,进行投资组合搭建
Python量化策略实现以及性能评估1.Buy and Hold 2.MA5和MA20均线策略3.RSI策略4.海龟策略
包括以下策略实现
1.Buy&Hold
2.MA5和MA60均线策略
3.RSI策略
4.海龟策略
5.性能评估包括:年化收益、年化波动率、夏普比率、索提诺比率、最大回撤等
Python爬取微博内容(账号密码登陆)
Python批量爬取微博内容(账号密码登陆):信息提取,Xpath定位,Selenium+Xpath定位内容,extree解析数据。
tensorflow1.0_gpu的whl文件安装包
tensorflow1.0_gpu的whl文件安装包
基于Python强化学习PPO算法在中国A股市场的应用(构建投资组合)
(1)在中国A股市场15只股票上的应用
(2)构建投资组合
(3)每日调仓
(4)绘制收益率曲线
(5)PPO算法
Python电影智能推荐之Apriori算法(推荐)
电影智能推荐算法是根据顾客观看电影记录,分析各个顾客对电影的喜好关联程度,达到精准推送;
Apriori算法是第一个关联规则挖掘算法,也是最经典的算法。它利用逐层搜索的迭代方法找出数据库中项集的关系,以形成规则,其过程由连接(类矩阵运算)与剪枝(去掉那些没必要的中间结果)组成。
沪深300每日交易数据2005年至2021年
包括收盘价、开盘价、最高价、最低价、成交量、涨跌幅,格式为pkl数据
Python飞机大战小游戏源代码(不能运行直接私信我),保证运行成功
python彩色有声音飞机大战源码
(1)有背景图片变换
(2)设置有音乐
(3)可以续命,三条性命
(4)可以全屏爆炸(空格键)
(5)吃了补给包,可以有单发子弹,双发子弹,三发子弹,三种形态
(6)有三种飞机型号(大中小)
(7)得分设置
(8)敌机还有血量显示(低于指定血量显示红色)
(9)飞机后座设置喷红色火焰
石油价格预测情感分析LSTM.zip
石油价格预测情感分析LSTM,通过对石油标题的进行情感分析,使用SVM,ARIMA,GARCH,LSTM模型进行预测
站长图片爬虫Python代码Scrapy框架
图片批量获取:Python爬虫代码Scrapy框架
强化学习与最优控制 最新最全课件资料.zip
总共13个章节,2021最新课件!!该书的名字叫《强化学习与最优控制》,作者是美国工程院院士、麻省理工大学的Dimitri P. Bertsekas教授。本书预计将于2019年由Athena Scientific(http://www.athenasc.com/)出版社出版问世,
vgg19-dcbb9e9d.pth
直接下载,之前在本地使用VGG19预训练模型,不女妖下载.pth文件到本地.chche中,之后再使用torchvision.models.vgg19(pretrained = True)就会自动从cache中读取。
处理后的销售数据.xlsx
淘宝网站2000多条手机销售信息,包括标题名称,手机品牌,销售价格,城市,销量,产品链接。可以做;销量分析,品牌分析,商家地点分析。价格区间分析。
电影推荐系统.xlsx
Apriori算法—电影推荐 - 用户观看电影记录(包含电影名称,编号,用户编号,电影类型),100721 条Excel数据
Python分解算法+深度学习VMD-CNN-LSTM
Python分解算法+深度学习VMD-CNN-LSTM
Python基于GRU原油价格技术指标的趋势预测模型
Python全网最全技术指标
Python基于GRU原油价格技术指标的趋势预测模型
GRU/MLP
WTI原油价格
Python代码讲解:CEEMDAN+LSTM, SVR, MLP, CNN, BP, RNN, LSTM, GRU
Python代码讲解:CEEMDAN+LSTM, SVR, MLP, CNN, BP, RNN, LSTM, GRU
数据集:WTI原油价格预测数据集
2018/3/26-2023/2/28
划分比例8:2
标准化算法:MinMaxScaler
MCS-Test
MAE,MSE,MAPE, RMSE, R2
Python基于LSTM深度学习量化选择研究-全流程(包含数据和代码)
Python基于LSTM量化选股(数据-预处理-建模-预测-选股-回测全流程)
A股-沪深300股票指标的量化投资方法
预测-选股-投资-回测-性能评估
数据获取:获取A股沪深300指数成分股的历史股价和相关指标数据。
数据预处理:对获取的数据进行清洗、标准化和特征工程,以便用于模型的训练和预测。
模型建立:使用长短期记忆网络(LSTM)等深度学习模型构建股票价格的预测模型。
预测:利用建立的模型对未来一定时间段内的股票价格进行预测。
选股:根据预测结果和其他选股策略,选择具有投资潜力的个股。
投资:根据选定的股票进行投资操作,如买入或卖出。
回测:对投资策略进行回测,评估其在历史数据上的表现和风险。
性能评估:对回测结果进行分析,评估选股策略的盈利能力、风险水平和稳定性等指标。
Python机器学习技术指标量化选股全流程 (XGBoost / SVM /RF / DT)
Python机器学习量化选择的全流程简介,包括XGBoost、支持向量机(SVM)、随机森林(RF)和决策树(DT)的内容:性能评估
这里有一些关于Python机器学习量化选择全流程的性能评估指标:
1. 准确性(Accuracy)
2. 精确度(Precision)和召回率(Recall)
3. F1分数
4. AUC-ROC(曲线下面积)
5. 回报率(Returns)(夏普比率、最大回撤等
Python量化投资-市值加权+等权重+均值方差+最小方差模型
Python量化投资——市值加权+等权重+均值方差+最小方差模型
(1)均值方差策略,均值方差策略旨在通过最大化预期收益率的同时,最小化投资组合的方差(风险)。
(2)最小方差策略,与均值方差策略不同,最小方差策略不考虑投资组合的预期收益率,而是仅仅试图最小化投资组合的方差。
(3)市值加权策略,这是一种简单的投资组合配置策略,其中每个资产的权重与其市值成正比。
(4)等权重策略,在等权重策略中,投资组合中每个资产的权重是相等的。
Python基LSTM于分层注意力机制的股票新闻情绪识别
Python基LSTM于分层注意力机制的股票新闻情绪识别
(1) 从东方财富官网上获取情绪数据
(2) 对文本数据进行分词
(3) 标记积极词汇和消极词汇
(4) 构建LSTM分层注意力机制模型
(5) 热力图可视化分析
(6) 情感预测(指标评估)
Python原油价格预测+EMD+EEMD+CEEMDAN+LSTM
Python原油价格预测+EMD+EEMD+CEEMDAN+LSTM
使用三种模态分解算法EMD+EEMD+CEEMDAN分解原油价格序列
然后使用LSTM预测未来收益
Python碳价格时间序列预测(RNN、LSTM、GRU、CNN-LSTM、LSTM-Attn
)
本文采用欧盟碳排放交易体系下的欧盟碳排放配额(EUA)数据。
实验采用在2013年4月15日至2020年3月30日期间使用的相同大小的数据集,包括1797个样本。
前80% 的数据被选为训练集,其余20% 被选为测试集
学习5种模型
RNN、LSTM、GRU、CNN-LSTM、LSTM-Attn
Python粒子群优化算法解决TSP旅行商问题
Python代码+可视化:智能优化算法学习-粒子群算法(Particle Swarm Optimization, PSO)解决TSP问题
Python多因子选股全流程全部代码(包含数据)
(1)数据预处理,缺失值、异常值、以及数据标准化
(2)市场中性化
(3)IC和IR计算、单调性检验
(4)因子筛选
(5)策略回测
(6)性能评估、绘制收益率曲线(夏普比率、索提诺比率、累计收益率、平均收益率)
Python基于百度智能云平台股票资讯情感分析
Python基于百度智能云平台股票资讯情感分析
基于东方财富网的股吧资讯
(1)首先获取了贵州茅台的东方财富网咨询数据
(2)新闻进行处理合并
(3)获取百度智能云情感分析的接口
(4)对股票数据进行情感识别
(6)绘制情感得分和股票收益的走势图,分析相关结果
python基于机器学习和技术指标的涨跌趋势预测(考虑交易费)
python基于机器学习和技术指标的涨跌趋势预测(考虑交易费)
代码地址:https://gf.bilibili.com/item/detail/1103028052
(1)数据收集
(2)特征构造
(3)模型搭建
(4)模型预测
(5)模型评估、准确率、召回率、F1得分
(6)策略回测、long&short、SHort、Buy&Hold
(7)模型重要性分析
Python基于VaR在险价值分析
历史估计法、蒙特卡洛法、以及德尔塔法等
1%、5%、10%估计
VaR/CVaR
在金融领域,VaR(Value at Risk)是一种广泛使用的风险测量方法,用于估计投资组合或金融工具的潜在损失。VaR基于统计分析和历史数据,通过计算在特定置信水平下的预期最大损失来衡量风险。
基于机器学习的多因子预测选股全流程研究(包含因子数据和代码)
基于机器学习的多因子选股预测模型研究(全流程,包含数据)
1、数据获取
2、数据预处理
3、特征选择
4、划分训练集和测试集
5、机器学习模型构建(随机森林、线性回归、支撑向量机)
6、预测未来走势
7、选股+构造策略
8、收益曲线可视化绘制
9、模型评估
累积收益率、夏普比率、年化收益率等
Python股票多因子选股模型(PCA因子合成、等权重因子合成、综合打分法),压缩包中含有全部因子数据集
Python多因子选股模型
1.因子数据合并
2.行业中性化
3.数据标准化
4.异常值数据和离群点处理
5.PCA因子合成
6.等权重因子合成
7.综合打分法(IC值计算)
8.策略回测:选取前排名前20只股票买入
9.收益曲线绘制
包含以下因子数据:
成长因子:'企业倍数(EV除EBITDA)', '市净率PB(MRQ)', '市现率PCF(现金净流量TTM)', '市现率PCF(经营现金流TTM)', '市盈率PE(TTM)', '市盈率PE(TTM,扣除非经常性损益)', '市销率PS(TTM)', '股息率(近12个月)'
估值因子:'净利润同比增长率', '净资产同比增长率', '利润总额(同比增长率)', '基本每股收益(同比增长率)', '总资产同比增长率', '现金净流量同比增长率', '经营活动产生的现金流量净额(同比增长率)','营业利润(同比增长率)', '营业总收入(同比增长率)', '营业收入(同比增长率)'
Python机器学习泰坦尼克号生存者预测
Python逻辑回归和SVM预测幸存者
中国A股票财务数据(基础指标)
ts_code_all cfps q_profit_yoy q_sales_yoy roa roe profit_dedt debt_to_assets assets_turn Amplitude_20 Amplitude_60 pct_chg_20 pct_chg_60 cash_ratio close pe_ttm pb ps_ttm dv_ttm free_circ_mv free_share turnover_rate_f_mean20 turnover_rate_f_mean60 total_liab fif
标普500股票财务数据
gvkey tic datadate rdq tradedate fyearq fqtr conm datacqtr datafqtr gsector X1_REVGH X2_EPS X3_ROA X4_ROE X5_PE X6_PS X7_NPM X8_GPM X9_OM X10_PB X11_PCFO X12_CR X13_EM X14_EVCFO X15_LTDTA X16_WCR X17_DE X18_QR X19_DSI X20_DPO
y_return
Python机器学习-信用卡交易的欺诈检测(有数据集)
逻辑回归、KNN、决策树、SVM
Python机器学习-信用卡交易的欺诈检测(有数据集)
一:导入数据
二:检查空值、描述性统计
三:信用卡欺诈和不欺诈类别的比例
四:查看数据分布,不平衡数据可视化,通过查看分布,我们可以了解这些特征的偏斜程度
五:数据不平衡之下采样(二次抽样)
六:RobustScaler数据缩放
七:数据集划分
八:相关矩阵可视化、箱型图可视化
九:异常检测、删除异常值, 四分位距 (IQR):我们通过第 75 个百分位和第 25 个百分位之间的差异来计算。
十:特征分布可视化分布
十一:降维和聚类可视化TSNE
十二:训练四种类型的分类器(逻辑回归、KNN、决策树、SVM)
十三:交叉验证可视化
十四:ROC曲线绘制
十五:AUC和Accuracy指标计算