Since everything moves in a circle and nothing moves in straight lines, this chart is to show you ho

　　1 原理 1.1 引入 首先，在引入LR(Logistic Regression)模型之前，非常重要的一个概念是，该模型在设计之初是用来解决0/1二分类问题，虽然它的名字中有回归二字，但只是在其线性部

　　1 原理        knn 是机器学习领域非常基础的一种算法，可解决分类或者回归问题，如果是刚开始入门学习机器学习，knn是一个非常好的入门选择，它有着便于理解，实现简单的特点，那么下面就开始介绍

　　全局变量 在函数之外创建的变量属于__main__，又被称为全局变量。它们可以在__main__中的任意函数中访问，与局部变量在函数结束时消失不同，全局变量可以在不同函数的调用之间持久存在。全局变量常

　　字符串连接，就是将2个或以上的字符串合并成一个，看上去连接字符串是一个非常基础的小问题，但是在Python中，我们可以用多种方式实现字符串的连接，稍有不慎就有可能因为选择不当而给程序带来性能损失。  

　　因子选股模型是应用最为广泛的一种选股模型，基本原理是采用某个或某些因子作为选股的标准，满足这些因子的股票则被买入，不满足的则卖出。  因子选股模型为什么适用？举一个简单的例子：如果有一批人参加马拉松，

　　这里，为了熟悉Python语言的特性，我们采用一种最原始的方式去定义线性代数运算的相关函数。如果是真实应用场景，则直接使用NumPy的函数即可。   1.向量 创建一个向量我们可以把Python中的向

　　在本文中将为大家介绍聚类算法和关联分析问题。分类算法与聚类到底有何区别？聚类方法应在怎样的场景下使用？如何使用关联分析算法解决个性化推荐问题？本文就为大家揭晓答案。   本文将围绕一下几个方面进行介绍

　　1、最邻近算法 KNN方法的简单描述：KNN方法用于分类，其基本思想如下。我们已经有一些已知类型的数据，暂称其为训练集。当一个新数据（暂称其为测试集）进入的时候，开始跟训练集数据中的每个数据点求距离，

　　本讲的目的是实现期货交易品种(板块)的相关性分析，相关性分析的作用有很多种，主要有：1.检测品种的相关性，可以挑选相关性高的品种(板块)进行对冲操作；2.通过检测品种的相关性，可以监控整个市场的系统性

　　接到上篇说哈，本文讨论一下数据监听线程和订单管理线程做些什么。     一，数据监听线程 数据监听线程，当行情处理线程接收到新的行情数据时，也就是每当一个tick到来时，就向数据监听线程发出信号，触发

　　NO.1 大数据分析已被广泛应用于科学、娱乐、**等领域，通过实时信息聚集机制，分析信息的预期结果。金融市场中的分析也一直是热门话题。     对于大多数人来说，分析价格走势是一种非常具有诱惑力的事情

　　NO.1 索罗斯在1987年撰写的《金融炼金术》 一书中，曾经提出过一个重要的命题：I believe the market prices are always wrong in the sense

　　看对走势并没有什么了不起的，在市场中总能找到很多在牛市早就看涨的人，在熊市早就看跌的人。但他们总是善于跟市场讨价还价，试图买在最低点，卖在高点。 这种思维方式，往往在牛市等低点，到最后等来一个踏空，行

　　先来设想一个随机漫步的价格波动（看下面的图，大名鼎鼎的二叉树图）： B0是起始点，对应的价格是10元。在B0点以10元的价格开仓。         开仓后，价格有50%的概率从10元上涨到11元（到达