作者：Hear7 来源：博客园原文链接：https://www.cnblogs.com/caodneg7/p/10225611.htmlPython是当今应用最广泛的编程语言之一，以其效率和代码可读性著称。作为一个科学数据的编程语言，Python介于R和java之间，前者主要集中在数据分析和可视化，而后者主要应用于大型应用。这种灵活性意味着Python可以作为一个单一工具来汇集整个工作流。也就是说

talib包是计算许多行情指标必备的第三方库，但在计算过程中发现，计算出来的数值和行情软件的计算方法存在很大的差异，可能会导致策略出现错误。为此，专门写了一个函数解决这个问题。欢迎大家一起交流讨论。MACD的计算MACD的计算很简单，主要包括DIF、DEA和BAR三个参数。计算方式如下：（图片来源百度百科）注:在计算过程中，需要注意数据的初始化。上市首日，DIF、DEA、BAR默认为0.但次日计算

谷歌Deepmind研发的围棋程序阿尔法狗（Alpha Go）打败了围棋职业选手的新闻，大家可能都关注过。阿尔法狗采用了蒙特卡洛树搜索算法、机器学习算法和深度神经网络技术。对阿法尔狗进行训练，可以让程序进行深度学习。程序算法也可以用在股票趋势分析上。今天就给大家讲讲如何通过程序，识别k线趋势变化。当然，我们给大家讲的模式识别算法没有阿尔法狗那么复杂。图1 基于聚类分析的k线图（candlestic

作者：Hear7 来源：博客园原文链接：https://www.cnblogs.com/caodneg7/p/10225611.htmlPython是当今应用最广泛的编程语言之一，以其效率和代码可读性著称。作为一个科学数据的编程语言，Python介于R和java之间，前者主要集中在数据分析和可视化，而后者主要应用于大型应用。这种灵活性意味着Python可以作为一个单一工具来汇集整个工作流。也就是说

RNN 不同于传统神经网络的感知机的最大特征就是跟时间挂上钩，即包含了一 个循环的网络，就是下一时间的结果不仅受下一时间的输入的影响，也受上一 时间输出的影响，进一步地说就是信息具有持久的影响力。放在实际中也很容 易理解，人们在看到新的信息的时候产生的看法或者判断，不仅仅是对当前信 息的反应，先前的经验、思想的也是参与进去这次信息的推断的。人类的大脑 不是一张白纸，是包含许多先验信息的，即思想的存

分享嘉宾：况琨浙江大学 助理教授编辑整理：有感情的打字机、闫建飞导读：机器学习方法已经在许多领域取得了巨大的成功，但是其中大多数都缺乏可解释性和稳定性。其主要原因是目前机器学习方法是关联驱动的，且没有区分数据中的因果关联和虚假关联。因果推理是用于解释分析的强大建模工具，可以帮助恢复数据中的因果关联，用于指导机器学习，实现可解释的稳定预测。在本次分享中，主要介绍了大数据背景下如何进...

市场上的投资者是有偏好的，有时候会偏好价值股，有时候偏好成长股，有时候偏好大盘股，有时候偏好小盘股。由于投资者的这种不同的交易行为，形成了市场风格，因此在投资中，利用市场风格的变化，进行轮动投资会比一直持有的效果好很多。基本概念投资风格是针对股票市场而言的，是指投资于某类具有共同收益特征或共同价格行为的股票，即某类投资风格很受欢迎，并且在某一个时间段内具有持续性和连续性(譬如，价值投资和成长型投.

相信很多投资者在购买投资产品时，常常会听到一些投资专用词语，例如下文将介绍的“量化中性策略”，这些词语对于投资小白们来说，仅听名称就让人一头雾水，具体什么是量化投资，以及常见的策略如何操作就显得更加神秘了。下面，我们一起走进“量化中性策略”。一、什么是量化中性策略？量化中性策略我们可以把它拆分成“量化”和“中性”两个词来理解。首先看“中性”，也就是市场中性策略当我们买入一只股票，其价格走势由两方面

收益率预测模型中常用到线性因子模型，其是通过线性等式的关系，将有限个数的因子与资产的收益率或者价值联系在一起。本文通过因子线性模型介绍了著名的夏普单指数模型与多因子模型，并介绍了常用的因子种类。线性因子模型的提出单因子模型，通俗的说，假如某件事情的发生仅用一个因子便可解释，这样建立的模型就可以称作单因子模型。比如说，今天下雨，很可能是因为水汽的积累太多了，那么是否下雨只受到空气中水分含量这个因子的

如何建立一个良好的交易体系和交易策略呢？可以通过大量的历史数据得来，现在计算机很发达，历史数据的检测和获得比较容易。其实有志于这一行的人，可以通过历史数据获得正向系统的一个佐证。这里也有一个很大的争议，就是有关于市场变化的问题。我们行业里面有一种看法叫市场是不断变化的，这个市场在不断的演变。我个人认为市场局部的变化是有的，但是市场宏观的结构是不大会变化的。虽然现在计算机技术很发达，大量的程序化..