thu-blogger
thu-blogger
全部文章
分类
Python(2)
归档
标签
去牛客网
登录
/
注册
THU-blogger
TA的专栏
19篇文章
631人订阅
数据分析入门到实战-金融量化分析
19篇文章
19670人学习
全部文章
(共18篇)
量化投资策略设计与回测
来自专栏
在前面几个章节中,我们通过构建不同的模型来预测了股价的对数收益率的变化。在现实的金融市场中,我们需要基于股票涨跌的判断来进行具体的量化投资策略的设计,从而试图在市场中获利。对应于机器学习中的训练阶段,量化投资策略也需要通过历史数据上的回测来进行验证。在这一章节,我们会简单介绍一下量化投资的概念,然后...
数据分析
量化投资
Python
2020-03-01
1
1000
特征工程:文本数据与其他另类数据
来自专栏
在这一章节,我们介绍股票分析中的另类数据特征。与上一章节的技术指标和基本面指标不同,另类数据指的是那些并不直接反应市场变化或者公司基本经营状况的数据。我们首先会通过举例的方式介绍另类数据的主要类别以及一些成功的应用案例。然后我们会主要以文本数据为例,分析如何提取其中的情绪因子。 1. 另类数据介绍 ...
数据分析
量化投资
Python
2020-02-27
0
1177
特征工程:技术指标与基本面指标等
来自专栏
在这一章节,我会接着上一章节介绍的股票技术指标,介绍如何在特征工程中利用技术指标和基本面指标。我也会以这两类特征为例,介绍特征工程中涉及的数据预处理、数据变换、特征选取等内容。特征工程的目标是最大限度地从原始数据中提取特征以供算法和模型使用。对于股票预测,除了增加不同种类的原始数据(历史价量、基本面...
数据分析
量化投资
Python
2020-02-27
0
871
预测模型搭建:深度学习模型
来自专栏
在这一章节,我们接着之前的两个章节,继续尝试使用一些深度学习模型,进行股票价格和收益率的预测。在这一章节,我们主要使用TensorFlow和Keras这两个库,搭建一个基本的多层感知器和长短时记忆模型,来进行对数收益率的预测,并且与之前的线性模型和机器学习模型的结果进行对比。 1. 准备工作 我们首...
数据分析
量化投资
Python
2020-02-18
0
517
预测模型搭建:机器学习模型
来自专栏
在这一部分,我们尝试使用一些机器学习模型,来进行股票收益率的预测。机器学习研究如何从数据中产生“模型”的算法,即“学习算法”。有了学习算法,我们把经验数据提供给它,它就能基于这些数据产生模型,在面对新的情况时,模型会给我们提供相应的判断。在我们要讨论的股票预测的例子中,我们根据历史数据研究一个“模型...
数据分析
量化投资
Python
2020-02-17
0
565
预测模型搭建:线性模型
来自专栏
在这一章节,我们尝试使用一些线性模型,对我们之前获取的股票价格进行预测。具体来说我们要处理的是一个基于时间序列的预测问题,给定一个时间序列的历史值:,我们来预测明天对应的下一个数值,例如根据今天为止的收盘价信息,预测明天的收盘价。我们也可以利用其他信息,例如开盘价、最高价、最低价以及我们之前提取的一...
数据分析
量化投资
Python
2020-02-17
0
457
股票数据的获取与预处理
来自专栏
在这一章,我们介绍如何获取股票数据,并进行一些简单的分析。作为最基本也是最常见的金融数据,股票价格数据的分析不仅仅出现在各种研究报告、分析文章中,也可以实实在在地应用于交易中,带来或丰厚的回报或巨额的亏损。了解股票数据的基本形式是接下来进行进一步分析和量化投资的基础。在这一章,我们会简介中国的股票市...
数据分析
量化投资
Python
2020-02-10
1
1904
Matplotlib和seaborn的使用
来自专栏
在这一章,我们介绍如何利用Python中的Matplotlib和seaborn这两个包,进行各种图表的绘制。 介绍 数据可视化,或者说绘图,是数据分析中最重要的工作之一。绘图可能是数据探索过程的一部分,例如帮助我们找出异常值、进行必要的数据转换、得出有关模型的想法等。绘图也可以用于结果分析和呈现,画...
数据分析
量化投资
Python
2020-01-07
0
705
SciPy和StatsModels的使用
来自专栏
在这一部分,我们介绍SciPy和StatsModels这两个库的使用,以及Python中的时间类型和Pandas中的时间序列。 1. SciPy SciPy模块依赖于NumPy模块,能够提供方便快捷的N维数组操作。SciPy数组可以和NumPy的ndarray,Pandas的Series、DataF...
数据分析
量化投资
Python
2020-01-07
0
589
Pandas的使用(下)
来自专栏
在这一章,我们接着介绍Pandas的基本使用方法。基于上一章介绍的Pandas的基本操作,我们尝试进行一些实际应用中经常会用到的数据处理步骤,例如缺失值检测和处理、数据格式的转换、数据集的合并和分组计算等。这一章使用的例子都是最简单的情况,在实际应用中我们可能会遇到更加复杂的需求,会要求我们能够更加...
数据分析
量化投资
Python
2019-12-21
1
530
首页
上一页
1
2
下一页
末页