- 博客(4)
- 收藏
- 关注
RSS订阅原创 基于RNN、LSTM、深度循环LSTM对股票的量化研究
通过引入 Optuna 的自动化搜索，我们能够在多个超参数维度上高效地探索更优组合，大大提升了模型的可迁移性与泛化能力。相比手动调参，自动调参能：自动识别关键参数组合；避免人工经验误差；节省调参时间，提高建模效率。
2025-04-03 11:20:22
1856
原创 基于传统神经网络的量化预测模型
这次我打算以沪深300指数成分股为研究对象，构建量化预测模型。量价因子（如换手率、成交额、波动率）；均线类因子（指数平滑移动平均线、区间震荡线、市场成本等）；超买超卖因子（如超买超卖、相对强弱等）；Alpha101因子（经典的价格与量的组合信号）；共146个因子，数据频率为日度。使用过去连续5个交易日的因子数据，预测第6天的个股涨幅。
2025-04-03 10:20:02
1769
原创 应用遗传算法挖掘因子
在过去的研究中，我曾使用遗传算法进行因子挖掘，但由于API的限制，最多只能获取过去300个单位（分钟、小时、天）的数据。使用高频数据：能捕捉更多市场微观结构，但训练样本数量有限。使用低频数据：样本丰富，但难以反映高波动率标的的特征。openhighlowclosevolume并计算了未来 5h、12h 和 24h 的收益及超额收益。经过以上步骤，最终我们成功筛选出了具有较高预测能力的因子，他们不仅累计IC显著较高，且稳定性也有保证，同时不同因子之间的相关性较好。
2025-02-16 06:02:11
1657
原创 相似K线技术实践
由这张图可以看出数据呈现出偏态，但大部分都是涨幅小于0，即意味着在25min内就会下跌，所以果断小额买入进行实践，最终在15内获得了5%的收益。3、接入API获取的数据具有局限性，不论是1min/5min/1day都只能获取前300个单位的，这导致能学习的样本较少，相似度不够高。今天盯盘的时候偶然间发现一款meme币竟然有高达88%的涨幅，所以决定应用相似K线技术对其做空。2、K线相似技术只能大致预判未来的涨跌，但是无法预测具体涨跌的幅度，导致在我平仓后的半小后又出现一波更大的跌幅。
2025-02-09 13:18:18
968
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人