在一个二维空间中，具有特征空间X和特征空间Y，当其中一个点（x, y）在这个二维平面中，如果想把它映射高维空间中，那么就需要用到核函数。关于核函数的定义是：设XXX是输入空间，YYY是特征空间。如果存在一个从XXX到YYY的映射ϕ(x):X−>Y\phi(x):X -> Yϕ(x):X−>Y，使得对于所有的向量v1,v2∈Xv_{1}, v_{2} \in Xv1​,v2​∈X.

写在前面下面这篇文章的内容主要是来自发表于Plos One的一篇文章《A deep learning framework for financial time series using ...

写在前面下面这篇文章介绍了Kaggle中，关于金融市场价格预测比赛（Jane Street Market Prediction）中的冠军方案。该获胜方案采用了一个Autoencoder with MLP组成。1竞赛背景"低买高卖"。这听起来很容易....在现实中，交易获利一直是一个难以解决的问题，在今天快速流动和复杂的金融市场中更是如此。电子交易允许在几...

写在前面下面这篇文章的内容主要是来自发表于TechRxiv 的一篇Preprint文章《Order Flow, Technical Analysis And Neural Network: Predicting Short-term Direction Of Futures Contract》。这篇文章提出了一种针对期货数据的短期预测模型，其对一系列来自技术分析、订单流的...

在多维空间中，梯度是一个向量，表示某个函数在该点处的方向导数沿着该方向取得最大值。梯度是指增长最快的方向，也就是梯度的方向是方向导数中取到最大值的方向，梯度的值是方向导数的最大值。...

转自：https://www.ilovematlab.cn/thread-25659-1-1.html20世纪60年代，L. A.Zadch教授首次提出了模糊集合论，并于1979年提出了信息粒的概念，将一组相似的研究对象，作为一个整体来研究或者将一个整体为部分来研究，放在一起的对象做成一个整体就叫做信息粒。 粒化计算是信息处理的一个新分支，隶属于软计算科学，它包括词计算理论、粗糙集理论、商空间理.

史上最强，建议收藏！尝试用ChatGPT完成量化测试中的常用功能，包括因子构建、因子改进、测试框架，毕竟如果ChatGPT都会算会改进的因子，如果还不会，就只能去搬砖了，就问你慌不慌除了这里展示的这些，还尝试了一些其他的，包括询问特定基金、股票的信息、求导、积分，甚至解偏微分方程，都能实现。测下来的整体感觉是，除了不能保证准确度，其他都挺好的，但毕竟只是3.5，4已经有了相当程度的提升，以后可能还

论文 |Stock Market Prediction via Deep Learning Techniques: A Survey作者 |Jinan Zou, Qingying Zhao, Yang Jiao, Haiyao Cao, Yanxi Liu, Qingsen Yan, Ehsan Abbasnejad, Lingqiao Liu, Javen Qinfeng Shi一 本文摘要..

ROC曲线的横坐标轴是FPR（False Positive Rate），纵坐标轴是TPR（True Positive Rate），对应于下面的混淆矩阵（fusion matrix）：TPR=TPTP+FNTPR = \frac{TP}{TP+FN}TPR=TP+FNTP​FPR=FPFP+TNFPR = \frac{FP}{FP+TN}FPR=FP+TNFP​可以看出TPR和FPR分别是TP...

写在前面这篇文章整理了近些年来，人工智能技术在量化金融领域的一些研究论文，适合读者了解目前智能量化的研究现状以及热门方向，建议收藏。所有的文章可在文末获取。1机器学习1.《An Ar...