我是一名新手,在进入期货交易二个月后,第一次爆仓了。老子说:不知常,妄作凶。我就是这样的例子。要深刻了解一件事,须在实践中不断地试错、领悟,现在我觉得最好是:一,在进入之前最大限度地多了解,尽量地弄清
你可以在完全看不懂行情的情况下获取利润,也可能在看对行情的时候反而亏钱!
这是一个古老的话题,至今还在不停的争论。在我发表观点之前,有一点我需要指出。我所说的观点,是站在我的视角得出的结论。事实上,巴菲特在预测,索罗斯也在预测。要知道,他们都是世界上顶尖的大师级人物!并非预
投资大师的成功因素 关于经典理论的探讨很多,有反对者认为技术分析在实战中没有作用、是伪科学,让我们从上世纪最伟大的投资大师------江恩的身上看看大师的成功因素(文章太好、太长了,这里只节选了大师生
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
这篇推文抛砖引玉的介绍如何使用循环神经网络逼近一系列向量,特别的是,将使用LSTM架构。 根据先前的观察预测一系列实数。 传统的神经网络架构不能做到这一点,这就是为什么要复制神经网络来解决这个问题,因
学术界和实务界对股票收益的预测都比较感兴趣。因素模型一般用一些经济指标作为解释变量来预测股票收益。例如D/P, E/P, B/M等估值比率。这些模型大多数关注的是样本内检验,虽然回归结果显示这些比率对
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
2010年08月11日——【渤海证券】 《基于 MT-SVM 模型的市场预测》 • 由于 A 股市场并非完全有效以及市场具有的分形特征和记忆性,从理论上来说对股票市场一段时间内的市场趋势所发生的概率
前言 深度学习技术在交易中的研究 深度学习最近受到了很多关注,特别是在图像分类和语音识别领域。然而,它的应用似乎并没有广泛应用到交易当中。这项调查涵盖了到目前为止作者(Greg Harris)发现
机器学习 & scikit-learn简介 简单说:机器学习算法是一类从数据中自动分析获得规律,并利用规律对未知数据进行预测的算法。用一张图说明它所包含的内容: 我们把目光集中到上图中的有监督
机器学习中的预测问题通常分为2类: 回归 与 分类 。简单的说回归就是预测数值,而分类是给数据打上标签归类。本文讲述如何用Python进行基本的数据拟合,以及如何对拟合结果的误差进行分析。 本例中使用
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 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
涨的趋势一成型就做多,下跌的趋势一成型就做空; 趋势反转就反手;趋势继续就保留并把盈利加仓。 完全不需要做任何预测,不需要研究任何数据,只用几条移动平均线就可以解决所有问题。决定是否对一个品种开平仓只