第一天：量化交易概述第二天：金融数据建模与预测/风险测量因子第三天：传统量化交易策略与python实现第四天-第五天：高价量化交易策略-贝叶斯模型第六天：金融时间序列项目分析

题目及论文在资源中

第一天：量化交易概述第二天：金融数据建模与预测/风险测量因子第三天：传统量化交易策略与python实现第四天-第五天：高价量化交易策略-贝叶斯模型第六天：金融时间序列项目分析

Boosting算法原理解析与例题分析题目题目解析：1、x为数据编号2、y为真实结果，这里可以理解为1为好瓜，-1为坏瓜3、主观预测阈值：2.5，5.5，8.5解释：抛开孤独的9不讲，“0 1 2”、“3 4 5”、“6 7 8”这是3类不同的数据，分别对应的类是1、-1、1，直观上推测可知，可以找到对应的数据分界点，比如2.5、5.5、8.5 将那几类数据分成两类。4、初始数据的权值分布令每个权

第一天：量化交易概述第二天：金融数据建模与预测/风险测量因子第三天：传统量化交易策略与python实现第四天-第五天：高价量化交易策略-贝叶斯模型第六天：金融时间序列项目分析

问题小明用字母 A对应数字 1，B对应 2，以此类推，用 Z对应 26。对于 27以上的数字，小明用两位或更长位的字符串来对应，例如 AA对应27，AB对应28，AZ对应52，LQ对应329。请问2019对应的字符串是什么？解题方法：除法答案：BYQ...