敏感性参数是期权衍生品特有的属性，它从定量角度解释了各个定价因素对期权价格的影响程度，在期权交易中发挥着重要作用。本文在介绍敏感性参数的前提下，解释了如何从敏感性参数角度理解期权交易策略，并讨论了如何

　　钝化的烦恼 常有人提到程序化交易模型的“钝化”问题，通俗的说，也就是一个模型从赚大钱变为不赚钱，甚至亏损的一个过程。甚至在海洋部落那样高手云集的社会中，不少高人眼里，钝化是每个程序化交易模型都会很快发

　　Python解析命令行读取参数有两种方式：sys.argv和argparse   1、sys.argv 如果脚本很简单或临时使用，没有多个复杂的参数选项，可以直接利用sys.argv将脚本后的参数依次

　　01前言 “置信区间”的英文是confidence interval，也译为“可信区间”、“信赖区间”或“信心区间”。“confidence interval” 这个术语跟 “logit” 类似，没有

　　SMO 算法概述 SMO 是由 Platt 在 1998 年提出的、针对软间隔最大化 SVM 对偶问题求解的一个算法，其基本思想很简单：在每一步优化中，挑选出诸多参数（ ）中的两个参数（ai、aj）作

　　函数名称：cnnapplygrads（），权值更新函数 输入参数：net，权值待更新的卷积神经网络；opts，神经网络训练的相关参数 输出参数： 算法流程：先更新卷积层的参数，再更新全连接层参数 注意

　　在之前的描述中，我们通常把机器学习模型和训练算法当作黑箱子来处理。如果你实践过前几章的一些示例，你惊奇的发现你可以优化回归系统，改进数字图像的分类器，你甚至可以零基础搭建一个垃圾邮件的分类器，但是你却

　　在很多机器学习和深度学习的应用中，我们发现用的最多的优化器是 Adam，为什么呢？ 下面是 TensorFlow 中的优化器 https://www.tensorflow.org/api_guides

　　说了这么多，终于可以说重点了，这也是本书的结束，也是最重要的总结，本篇将采取步凑阅读的方式来帮助大家构建一个交易系统。   第一步：解决你的交易理念。 1.1 首先要解决的是你的交易理念，本书第一部分

　　有一种说法：“有利润的时候加仓，才是正确的操作方法”。很多人在构建交易系统的时候，多多少少都会遇到是否要加仓的这个问题，自然我也不例外，但现在这个问题已经不再困扰我了，因为我已经了解了加仓与否的关系。

　　在之前介绍均线系统的时候，我说了均线系统的日线的置信区间在5-36这个范围，也就是说，如果要以单均线来作为开平仓模块的话，应该这个参数选择在5-36之间。   这个区间是怎么得到的呢，主要是靠两个方面

　　虽然我不能替你决定到底你该采取通道还是趋势交易系统来起步，但是并不影响我们开始后面的讨论，无论你选择任何交易系统，都不是构成你是否盈利的关键要素，无论你选择了哪种方式来构建交易系统，这个方法也仅仅占成

　　趋势追踪的交易方法，通常有两种，一为均线，二为通道。 均线系统是格兰威尔早年提出的，很多优点大家都知道，均线是少有的既能用于股票也能用于其他交易品种的技术指标，均线有以下特点。   均线的平滑性。 平