引言         发现金融泡沫并预测到其何时破裂是很多从事金融行业的人的梦想。如今中国股市也成为了热门的话题，然而，资本狂欢之后是股灾，多少人因此从千万富翁炒股变成百万富翁，预测泡沫是所有人的梦想

　　这一篇我们会把神经网络这个框架完善，这一篇结束后，一个能跑的、自由度相当高的神经网路就新鲜出炉了。Again，由于实现是比较重要的，所以我们先不管接口、只把功能弄出来。同时需要指出的是，我们会用到损失

　　一、引言        2010年4月16日，中国上市了第一只沪深300股指期货，从此中国投资者有了真正意义上的做空工具，改变了以往金融市场极度缺乏对冲系统风险功能的落后现状。目前中国的股指期货市场已

　　1. ARMA模型 ARMA简单理解就是AR模型和MA模型混合。  更加复杂的情况下：一个ARMA过程可能是AR与MA过程、几个AR过程、AR与ARMA过程的迭加，也可能是测度误差较大的AR过程。 A

　　1. 前言 数据获取，预处理，定阶什么的参考前面几篇文章：  金融时间序列分析：3. First Demo By Python 金融时间序列分析：5. AR模型实例（Python） MA模型的讲解参考

　　1. 前言 AR和MA模型是时序数据分析两个最基本的模型。 AR仅通过时间序列变量的自身历史观测值来反映有关因素对预测目标的影响和作用，不受模型变量相互**的假设条件约束，所构成的模型可以消除普通回归

　　1. 前言 前一篇写了如何用Python构建AR模型，但是由于不太熟悉，很多问题都没有说清楚，本文用R语言详细的讲一讲，算是为前面两篇文章补漏吧。   2. 获取数据 library(quantmod

　　1. 前言 本文简单谈谈如何用Python构建AR模型，并进行数据预测。  本文承接前文：  金融时间序列分析：3. First Demo By Python 这篇文章介绍了用Python获取数据、数

　　1. 前言 接下来真是进入金融时间序列分析与预测阶段，可以说进入本篇算是正式入门了。  这里会聊聊一个最基本的模型——AR模型 2. AR模型 AR模型：（Autoregressive Model）自

　　弹性网络（ElasticNet） 弹性网络介于 Ridge 回归和 Lasso 回归之间。它的正则项是 Ridge 回归和 Lasso 回归正则项的简单混合，同时你可以控制它们的混合率 $r$，当 $

　　随机梯度下降 批量梯度下降的最要问题是计算每一步的梯度时都需要使用整个训练集，这导致在规模较大的数据集上，其会变得非常的慢。与其完全相反的随机梯度下降，在每一步的梯度计算上只随机选取训练集中的一个样本

　　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

　　一、收集数据 每一个机器学习问题都始于数据，比如一组邮件、帖子或是推文。文本信息的常见来源包括： 商品评价（来自 Amazon、Yelp 以及其他 App 商城） 用户产出的内容（推文、Faceboo

　　预测商品指数运行态势, 对于指数管理部门而言, 可以在一定层面上监测和引导商品指数的平稳运行, 降低市场风险, 从而促进商品指数的可投资性和标尺性，同时，为优化商品指数编制方案提供参考途径。未来对于指

　　在量化交易的世界，有着千变万化的方法、思路、策略、模型、算法。我们可以天马行空的想象，比如我也是经常头脑风暴般的闪出灵感，迅速在手边能找到的任何可以记录信息的东西上写下 。当然这些想法贯穿了很多学科或