- 博客(19)
- 资源 (1)
- 收藏
- 关注
RSS订阅原创 TA-Lib金融量化库指标总结笔记
一、TA-Lib介绍1.简介下载地址及原文：https://mrjbq7.github.io/ta-lib/TA-Lib，全称“Technical Analysis Library”, 即技术分析库，是Python金融量化的高级库。包含了150多个指标,包括：ADX, MACD, RSI, Stochastic, Bollinger Bands, 等。K线形态识别完全开源，支持 C/C++, Java, Perl, Python and 100% Managed .NET2.安装使用p
2022-02-25 17:12:36
3804
原创 数据分析笔试练习题
题目1：数据集Retail_Data_Transactions.csv记录了客户ID，交易时间和交易金额三个字段，需求是对客户ID进行汇总统计，计算每一个客户的如下特征变量，并把结果输出为csv文件。• Last_date: 最后一次交易时间 • Recency: 最后一次交易时间距离今天的间隔天数 • Frequnece: 累计交易次数• Amount: 累计交易金额• Intereval: 平均两次交易之间的间隔天数(如果客户只有一次交易字段为空值)导入包import pandas a
2022-02-25 15:21:21
944
原创 时间序列预测（ARIMA、VAR、回归树）原理
typora-root-url: …\图时间序列预测（不包含深度学习）文章目录时间序列预测（不包含深度学习）一、单变量预测ARIMA1.基本步骤（1）自回归模型AR（2）移动平均模型MA（3）自回归移动平均模型（ARMA)（4）选择ppp和qqq的方法2.参数（以Merlion包下ARIMA模型为例）二、多变量预测1.VAR（1）基本步骤（2）参数2.回归树（1）基本步骤（2）示例一、单变量预测ARIMAARIMA（p，d，q）模型全称为差分自回归移动平均模型，其中AR是自回归，p是自回归项；.
2022-01-12 14:56:43
3432
原创 Merlion包中单变量多变量预测对比
import pandas as pdimport numpy as npimport matplotlib.pyplot as pltimport seaborn as snsfrom merlion.utils import TimeSeriesfrom merlion.models.factory import ModelFactoryfrom merlion.models.forecast.arima import Arima, ArimaConfigfrom merlion.mod
2022-01-12 14:48:31
764
原创 GitHub上传
1.在文件夹中打开Git Bash命令窗口；2.把文件夹变成Git可管理的仓库git init3.把文件添加到缓存区git add .4.把文件提交的本地仓库git commit -m "注释"5.与git 仓库关联git remote add origin git@github.com:用户名/仓库名.git6.把本地库的所有内容推送到远程仓库git push -u origin master...
2022-01-10 16:35:51
204
原创 【论文】CoTr: Efficiently Bridging CNN and Transformer for 3D Medical Image Segmentation
CoTr原理1. 简 介CNNs：3D医学图像分割中的标准，局限性：卷积网络局部性和权重共享的归纳偏差，带来长距离依赖的局限性。Transformer：sequence-to-sequence的预测框架，其中的自注意力机制可以动态调整接受域，使transformer具备长距离依赖建模的能力。局限性：处理高分辨率 3D 特征图时遇到了极端的计算和空间复杂度。本文工作：有效连接CNN和Transformer（CoTr），并且CoTr具备编码器-解码器结构。在编码器中： （1）利用CNN用来提取特征
2021-12-24 11:18:05
1440
原创 Merlion—ARIMA时间序列预测金融数据
数据样式import pandas as pdimport numpy as npimport matplotlib.pyplot as pltfrom merlion.utils import TimeSeriesfrom merlion.models.forecast.arima import Arima, ArimaConfigfrom merlion.transform.base import Identityfrom merlion.evaluate.forecast import
2021-12-22 16:04:05
812
原创 LSTM预测外汇涨跌平
参考论文《Forecasting directional movementof Forex data using LSTM with technicaland macroeconomic indicators》数据样式：其中label为预测标签，根据论文中的阈值法确定import numpy as npimport pandas as pdfrom sklearn.preprocessing import MinMaxScalerimport torchfrom torch import
2021-12-22 15:51:16
351
原创 Merlion应用:2. Models（forecast）
1. 导入包导入 models & configs所有模型初始化时，都需要使用模型的配置对象ModelClass(config)以及预处理模块transformsfrom merlion.models.forecast.arima import Arima, ArimaConfigfrom merlion.models.forecast.prophet import Prophet, ProphetConfigfrom merlion.models.forecast.smoother im
2021-12-22 15:40:50
759
原创 Merlion应用1. Data Layer
导入包from merlion.utils import TimeSeries格式转换pd.DataFrame(将时间列设置为index) 和 TimeSeries之间的互相转换转换成TimeSeries：time_series = TimeSeries.from_pd(df)转换成DataFrame：recovered_df = time_series.to_pd()功能获取变量名：time_series.names获取变量：time_series.univariates[name]迭
2021-12-22 15:40:07
221
原创 【论文】Merlion: A Machine Learning Library for Time Series
Merlion原理1 简 介Merlion，一个用于时间序列智能分析的Python包，来源于2021年9月发表的论文《Merlion: A Machine Learning Library for Time Series》。它提供一个端到端的机器学习框架，包括：1）加载和转换数据2）构造及训练模型3）后处理模型结果4）评价模型性能它支持不同的时间序列学习任务，包括单变量和多变量时序的预测和异常检测。Merlion的主要特征：1）标准化和易于扩展：用于时间序列预测和异常检测任务的数据加载、预
2021-12-22 15:37:04
528
翻译 A graph-based semi-supervised reject inference framework阅读笔记
文章标题：A graph-based semi-supervised reject inference framework considering imbalanced data distribution for consumer credit scoring摘要一、引言二、文献综述三、准备工作3.1 标签扩散（label spreading）3.2 Borderline-SMOTE3.3 基本分类器3.3.1 随机森林3.3.2 梯度上升决策树3.3.3 XGBoost3.3.4 LightGBM4 构建
2021-05-16 19:00:54
251
原创 信用卡欺诈预测（下采样）
import pandas as pdimport matplotlib.pyplot as pltimport numpy as npfrom sklearn.ensemble import RandomForestClassifierfrom sklearn.metrics import roc_auc_scorefrom sklearn.model_selection import GridSearchCVfrom sklearn.metrics import confusion_matr
2021-03-24 09:58:44
165
原创 概率游戏
游戏：有3个门，门后分别是car，sheep，只有一个门是car。一个猜想着随即选取一个门，如果这个门后面是车就可以获得车，否则获得羊。很显然这样猜对车的概率是1/3。但是现在的条件是有个主持人，她知道每个门后面是什么。当你选择一个门之后，她打开一个有羊的门。问你是否改变你原来的选择？坚持原来的选择的话获得车的概率是多少，改变原来的选择的话概率又为多少。请给出解释。答案是1/3变成2/3。change=0unchange=0n=10000for i in range(n): nums=l
2021-03-24 09:43:46
750
原创 中国特色小镇网爬取文章分词
import pandas as pdimport jiebajieba.load_userdict('D:/jiebaDict.txt')df = pd.read_table('D:/特色小镇.txt',names=['content'],encoding='gb18030')df.tail()# 将内容存入列表content = df.content.values.tolist()print(content[1])# jieba分词content_S = []for line
2021-03-24 09:21:49
102
原创 中国特色小镇网文章爬取
import osos.chdir('C:/Users/wenwen/Desktop')import requestsfrom bs4 import BeautifulSoup as bsfrom selenium import webdriverimport timeimport pandas as pdurl = 'http://www.chntsxz.cn/forum.php?mod=viewthread&tid=1425'driver = webdriver.Chrome
2021-03-24 09:15:32
90
原创 天池贷款违约预测
# 读取数据data_row = pd.read_csv('D:/天池/贷款违约预测/train.csv')data_row.head(5)# 查看分类情况data_row.isDefault.value_counts()# 提取类别cols_row = data_row.columns.to_list()# 提取文本列并替换为数字cat_ = data_row.select_dtypes(include='object').columnsIndex([‘grade’, ‘subG
2021-03-24 09:12:41
765
原创 数据库相连的消费者分析（二）
3.用户消费行为用户第一次消费（首购）用户最后一次消费新老客消费比多少用户仅消费一次？每月新客占比用户分层RFM新、老、活跃、回流、流失用户购买周期（按订单）用户消费周期描述用户消费周期分布用户生命周期（按第一次&最后一次消费）用户生命周期描述用户生命周期分布# grouped_user.min().reset_index().order_dt.value_counts().plot()grouped_user.max().order_
2021-03-24 09:05:54
245
原创 数据库相连的消费者分析（一）
与数据库相连的消费者分析（一）1.进行用户消费趋势的分析（按月）2.用户个体消费分析import pandas as pdimport numpy as npfrom sqlalchemy import create_enginedef reader(query,db='data'): sql = query engine = create_engine('mysql+pymysql://root:messi123@localhost:3306/{0}?charset=utf8'.
2021-03-19 18:34:09
249
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人