量化

· · · 一. 本文简介 时序交叉验证方法适用于时间序列数据，可以有效防止过拟合。与传统交叉验证方法相比，时序交叉验证考虑了时间序列数据的特性，可以更好地评估模型在未来数据上的性…

· · · 一 论文概要 具有提取复杂非线性模式的能力的机器学习方法在金融市场预测中越来越流行。然而由于金融数据具有高噪声，且往往是非平稳的，导致可预测性较弱。复杂的机器学习模型往…

· · · 流动性在金融市场中具有重要的价值。它涉及交易的执行成本、交易的可行性和风险管理。高流动性市场具有较低的交易成本，投资者能够以较低的成本进行买卖。此外，高流动性市场使得交…

· · · 一. 什么是LSTM？ LSTM（长短期记忆神经网络）是一种特殊的循环神经网络（RNN），用于处理和建模具有时间依赖性的序列数据。与传统的RNN相比，LSTM引入了一种…

· · · 一 本文概要 因子模型是量化投资中一种重要的工具，可以通过深度学习技术的应用变得更加灵活和高效，特别适用于复杂的投资情境。然而，在在线和自适应的环境下，构建一个能够预测…

· · · 一 高频数据特征和日频量价特征 高频数据特征是通过在较短时间间隔内获取的数据提取的特征，包括价格、成交量、成交笔数、盘口委托、成交分布和交易行为等指标。这些特征揭示了股…

· 论文 | Meta contrastive label correction for financial time series · · 一 本文摘要 本文介绍了一个新的任务—…

· · · 一 本文概要 在本文中，我们使用LGBMRanker算法对沪深300、中证500和中证1000的成份股进行排序学习。我们构建了基于价量数据的选股模型，并进行了回测。回测…