聚类分析是一种无监督学习法，它将数据点分离成若干个特定的群或组，使得在某种意义上同一组中的数据点具有相似的性质，不同组中的数据点具有不同的性质。聚类分析包括基于不同距离度量的多种不同方法。例如。K均值（点之间的距离）、Affinity propagation（图之间的距离）、均值漂移（点之间的距离）、DBSCAN（最近点之间的距离）、高斯混合（到中心的马氏距离）、谱聚类（图之间距离）等。所有聚类法

​最近博主在学习前端开发和网页相关的东西，这些知识和网络爬虫（特别是网页爬取）有很强的联系，然后突然发现爬虫也有很多有趣的地方，所以准备开始系统性地把爬虫那几个包都学一学，用一用。本文展示了两个爬虫案例；意识使用beautifulsoup和requests包对https://www.woyaogexing.com/touxiang/weixin/网站的图片进行爬取，并保存到本地；二是从新浪财经网站

聚类分析是一种无监督学习法，它将数据点分离成若干个特定的群或组，使得在某种意义上同一组中的数据点具有相似的性质，不同组中的数据点具有不同的性质。聚类分析包括基于不同距离度量的多种不同方法。例如。K均值（点之间的距离）、Affinity propagation（图之间的距离）、均值漂移（点之间的距离）、DBSCAN（最近点之间的距离）、高斯混合（到中心的马氏距离）、谱聚类（图之间距离）等。所有聚类法

​在进行资产配置时，假如我们已经通过一系列的操作选定了5只股票进入我们的股票池，下一步应该就是要确定每只股票各要购买多少，即确定最终购买股票的权重，这就出现了一个最优化问题。通常在这个问题背景下，我们会提出一些诸如最大化收益、最小化标准差或方差的优化目标，并且常常伴随着一些优化约束，例如股票不允许卖空，某只股票的最高持股比例不超过50%，组合的波动率不超过组合内股票的波动率平均值等。例如诺贝尔经济

基于聚宽实现基本面多因子选股+技术指标择时策略；***尚未更新完全

一、为什么要实现自动化交易在瞬息万变的金融市场中，越来越多的散户投资者开始尝试构建自己的交易策略：有人通过技术指标捕捉趋势突破，有人利用基本面分析挖掘低估标的，还有人设计出复杂的网格交易或均值回归模型。然而，一个残酷的现实是——。也许你会说我可以手动下单进行交易，作者本人亲自实验表明手动交易会有很多意想不到的情况出现。许多短线策略需要全天候盯盘（如分时均线突破、盘口挂单监测），但散户难以像职业交易

使用聚宽环境实现了净利润跳空的量化交易策略。

聚类分析是一种无监督学习法，它将数据点分离成若干个特定的群或组，使得在某种意义上同一组中的数据点具有相似的性质，不同组中的数据点具有不同的性质。聚类分析包括基于不同距离度量的多种不同方法。例如。K均值（点之间的距离）、Affinity propagation（图之间的距离）、均值漂移（点之间的距离）、DBSCAN（最近点之间的距离）、高斯混合（到中心的马氏距离）、谱聚类（图之间距离）等。所有聚类法