文章摘要 本文系统介绍了线性回归的核心原理与应用，重点讲解了最小二乘法解析解和梯度下降数值解的实现方法。针对金融数据常见的过拟合问题，深入分析了Ridge回归（L2正则化）和Lasso回归（L1正则化）的数学原理：Ridge通过参数平方惩罚项约束参数范围，Lasso通过绝对值惩罚实现特征选择。文章还探讨了弹性网络（Elastic Net）作为两种正则化的折中方案，并详细讨论了学习率选择、特征缩放等

本文摘要： 本文是机器学习基础实战的第一天内容，主要包含回归任务和分类任务的评估指标实践。首先通过生成非线性数据演示了过拟合/欠拟合现象，对比了不同复杂度决策树模型的表现，并使用学习曲线诊断过拟合问题。随后详细介绍了回归评估指标（MSE、MAE、R2）的计算方法，并通过可视化展示指标差异。分类任务部分同样包含数据生成、模型训练和评估指标（准确率、精确率、召回率、F1、AUC-ROC）计算的全流程演

21天机器学习量化交易学习计划摘要 本计划提供为期3周的机器学习核心算法系统学习路径，专向量化交易场景设计。每日4小时学习包含理论推导、编程实战和复盘三部分： 学习阶段： 第1周：基础模型（线性回归、逻辑回归、KNN、决策树） 第2周：集成学习（随机森林、XGBoost）与SVM 第3周：无监督学习（KMeans、PCA）和神经网络（MLP、LSTM） 特色实践： 使用真实金融数据构建技术指标 对

摘要： 随着AI编程工具提升开发效率，程序员需未雨绸缪发展副业，量化交易凭借技术优势成为高性价比选择。程序员在策略实现、系统搭建、数据分析等方面具有天然优势，但也面临过度拟合、金融知识欠缺等挑战。建议分阶段推进：补金融基础→搭建回测系统→验证策略→寻找边缘优势→小资金实盘→多策略自动化。关键要摆正心态，量化副业的核心是"不亏钱→稳定→盈利"，而非替代主业。作者作为资深码农兼量化

Mermaid是一种基于JavaScript的图表绘制工具，使用类似Markdown的文本语法来定义和渲染各种图表。本文详细介绍了Mermaid的核心功能，包括流程图、时序图、类图、甘特图和饼图等主要图表类型的语法规则。重点讲解了流程图中的节点定义和连接线类型，时序图的基本元素和消息类型，以及类图、甘特图等高级图表的绘制方法。文章还提供了样式美化技巧，如样式类和内联样式的使用，帮助用户创建更专业的

本文系统梳理了A股量化研究的核心数据源，包括专业商用（Wind/Choice）、开源社区（TuShare/AKShare）和量化平台（优矿等）三类工具，分析其适用场景和优劣势。文章强调数据质量是量化研究的基石，必须严格处理时间对齐和生存偏差问题，杜绝"未来函数"。建议根据研究阶段和预算选择工具：个人研究者可从开源工具入手，专业机构需投资商用数据源。最后提出标准化数据处理框架，包

Fama-French等资产定价模型回答了“

市场是有效的，价格已充分反映信息。多因子模型（如Fama-French三因子、五因子模型）就是在此框架下，将“市场风险”这一单一生效因子，扩展为多个“风险维度”。因子（Factor）投资的核心，是寻找能够系统性、稳定地解释并预测资产收益的特征或变量。投资者并非完全理性，其系统性认知偏差会导致价格持续偏离基本面价值，形成“异象”。：因子不是“魔法公式”，其背后要么是坚实的经济风险逻辑，要么是群体性行

MBR分区表实验#以下内容为在虚拟机上的实验输出结果（黑色字体部分），红色文字为注释 #使用fdisk命令打印磁盘/dev/sdd的分区表[root@linux partitiontable]# fdisk /dev/sddCommand (m for help): pDisk /dev/sdd: 4139 MB, 4139778048 bytes#磁盘sdd有12

翻译文章来自：http://ta-lib.org多平台的市场分析工具……交易软件开发人员在对金融市场数据做技术分析时，广泛使用TA-Lib库。包括200项指标，如ADX，MACD，RSI，Stochastic，BollingerBands等.. （更多信息）烛线图模式识别开源API语言支持： C/C++， Java， Perl， Python 和 100% Managed