均线理论的本质是市场的成本趋势，而股价的涨跌始终围绕市场成本，因此代表成本的均线在实际操作中十分重要。   股价在一般情况下都是沿着均线的方向波动，而均线的周期长短是十分关键的因素。 周期短的均线的敏

　　01 程序化的理解 程序化一般分为两类模型，一类是 趋势模型 ，一类是 震荡模型 ，如果你想两者结合起来就要看自己的本事了，我的建议是程序化需要不停的去完美，但千万不能追求完美，以下所说模型都是趋势模

　　本文利用优矿提供的行情数据，参考东吴证券《因子方法论之一：基于日内模式的因子改进》中的研究方法，对研报的结果进行了实证分析，提供一个日内信息改进因子的普适思路。   研究结论如下： 基于2013-04

　　传统的多因子选股模型在给股票打分或者预测股票收益率，然后通过一定的技术手段，例如IC相关的加权方式,确定每个因子的权重，然后根据权重汇总得到股票的得分或者预期收益率的估计。并由此来构建组合，一般对于量

　　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

　　前段时间刚完成了一个分析网站流程的每个步骤的流失率，并用漏斗模型进行展示的需求，这里跟大家来分享一下。分析过程可以从以下三步展开：确定需要分析的访问路径或操作流程，收集数据并分别统计出该路径中每一步的

　　1、决策树模型与学习 决策树（decision tree）算法基于特征属性进行分类，其主要的优点：模型具有可读性，计算量小，分类速度快。决策树算法包括了由Quinlan提出的ID3与C4.5，Brei

　　所周知，期货价格只有三种运动方向：上涨、下跌和盘整。看起来很简单，但是真正交易起来，涨中有跌，跌中带涨，时不时有震荡加入其中，价格走向错综复杂；再加上恐惧和贪婪心理的存在加深了期货价格的波动幅度，让人

　　假设检验的基本思想：        假设检验的统计思想是：概率很小的事件在一次试验中可以认为基本上是不会发生的，即小概率原理。例如，某一事件出现的概率是0.001时，那么平均在1000次重复试验中可能

　　前言        机器学习是人工智能研究领域的一个重要分支，近十年因为以深度学习为代表的研究方向在图像识别，语音识别，文本翻译及深度强化学习在围棋等游戏应用中的重大突破而又重新兴起，变成新的技术浪潮

　　指数增强策略并不是被动的跟踪某个指数波动，而是采用量化增强模型，利用多因子alpha模型预测股票超额回报，同时力求进行有效的风险控制、降低交易成本、优化投资组合。指数增强策略不会对跟踪标的成分股进行完

　　人工智能如何处理数据？如果把重点放在数据的处理方式上，那么长期共存的方式大概有两种：   特征学习(feature learning)， 又叫表示学习(representation learning)

　　南洋理工大学计算机系和米兰理工数据挖掘研究组的科学家发现，虽然公众情绪已经被认为是股市预测的关键因素，但近十年来在利用公共情绪来解决资产配置问题的理论方面，学术界几乎没有什么进展。他们在论文中提出了一

　　数据说明 本案例所用的数据为ISLR中自带的数据heart.data，样本是462个南非人的身体健康状况指标，用来研究哪些因素对是否患心脏病有影响。变量描述见表1。 表1 变量说明 变量名 含义 解释

　　权重正则化是一种对LSTM节点内的权重施加约束（如L1或L2）的技术。 这具有减少过拟合并提高模型性能的效果。 今天的推文，让各位读者发现如何使用LSTM网络的重量正则化和设计实验来测试其对时间序列预