1策略思路 短期均线灵敏度高，更贴近价格走势，但是会有很多噪音，产生大量的虚假信号；长期均线在趋势判断上比短期均线更加可靠，但是长期均线有着严重的滞后问题。 那么我们用考夫曼自适应性移动平均线（KAM

　　资产配置1作为证券投资基金（以下简称基金）投资决策的重要环节，是微观金融学的 重要研究内容之一。基金的总体资产配置情况如何？它对基金收益的影响如何？资产配置方 式可以细分为哪些方面？其对基金收益的影响

　　前言 Dynamic Time Warping（DTW），动态时间规整算法诞生有一定的历史了（日本学者Itakura提出），它出现的目的也比较单纯，是一种衡量两个长度不同的时间序列的相似度的方法。DT

　　缠论      缠论是一种择时类的技术理论，借助数学中的形态分类方法和物理中的动力学理论来解释市场走势。以市场走势中的 K 线图为基础，通过包含关系处理后，分辨出走势图中的分型（顶分型和底分型），根据

　　一． 缠论理论体系梳理及精髓解读 1.1 K线包含处理目的：清洗K线数据，识别顶底分型 相邻两K线可能出现包含关系（ 注： K线包含影线，且不分阴阳线）       1.2 分型：对局部高低点的识别（

　　资本资产定价模型（CAPM） CAPM模型由Sharpe等人以Markowitz的资产组合理论为基础进一步发展得到，是将经济学原理应用在金融领域的重要理论成果，几十年来广泛应用于风险投资、公司金融等领

　　1、原理回顾 机器作词是序列建模（以下简称seq2seq）的典型应用，其基本思想就是给定序列A，机器负责产生序列B，并且再将序列B作为输入，机器负责生成序列C...如此循环下去即可生成无限长度的序列。

　　数据准备 为了更好地了解**时间序列，让我们来看看如何看图像，其实也不只有两个尺寸（高度和宽度），还有表示颜色的“深度”： 在时间序列的情况下，我们的图像只是一维的（在图上看到的），channels的

　　1.原理概述 序列学习其实是深度学习中的一个应用非常广泛的概念，例如语音识别、语言建模、机器翻译、机器作曲、机器写稿、自动对话、QA系统等都属于序列学习的领域，今天讲讲解如何运用序列建模的思想来构建一

　　前言 好久没有更新专栏，今天我们来看一个简单的Seq2Seq实现，我们将使用TensorFlow来实现一个基础版本的Seq2Seq，主要帮助理解Seq2Seq中的基础架构。   最基础的Seq2Seq

　　大类资产轮动的特殊性        所谓大类资产，指的是具有相似收益特征和投资用途的资产类别。一般而言，大类资产轮动策略通常分为两类：一类是从宏观经济数据出发，依据对经济周期和相关品种基本面的判断，做

　　在内容爆炸性增长的今天，个性化推荐发挥着越来越重要的作用，如何在海量的数据中帮助用户找到感兴趣的物品，成为大数据领域极具挑战性的一项工作；另一方面，深度学习已经被证明在图像处理，计算机视觉，自然语言处

　　前面2篇文章讲了金融时间序列分析的基础知识，本文简单介绍下怎么实战。  网上有很多用R语言进行金融时间序列分析的资料，但是用Python的不多，我在此介绍下怎么用Python操作，至于R语言怎么弄，读

　　1. 时间序列模型 1.1 数学模型 随机变量序列{Yt:t=0,1,2,......}{Yt:t=0,1,2,......}称为一个时间序列模型。  t = 0, 1,2,3….  均值函数：  μ

　　1. 金融时间序列 1.1什么是时间序列 金融时间序列是属于时间序列数据的一种，他们就是有很强的时间性，数据前后具有很强的依赖性，切无法调整顺序，一般都是二维数据。  时间序列由于具有很强的序列行，而