- 博客(0)
- 资源 (18)
- 收藏
- 关注
RSS订阅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
2022-07-06
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
2022-06-14
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。
2022-04-20
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
2021-12-24
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，
2021-02-01
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。
2020-08-17
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
2024-04-16
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。
2024-04-08
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）
2024-02-28
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
2024-02-28
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
2023-09-22
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
2023-09-21
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）
2023-08-12
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
2023-07-13
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
2023-06-21
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。
2023-05-12
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
2023-04-11
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)'
2023-02-15
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
2023-02-02
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
2023-02-02
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
2023-02-02
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人