学而时习之,不亦说乎?
摘要：
如题 阅读全文
posted @ 2024-05-05 10:42 金凯旋 阅读(2) 评论(0) 推荐(0) 编辑
阅读
摘要：
最好的休闲就是阅读. 每当读到一些让自己恍然的文章, 就会欣喜起来. 这种愉悦是发自心底的. 阅读全文
posted @ 2024-03-30 10:53 金凯旋 阅读(3) 评论(0) 推荐(0) 编辑
很好的帮手
摘要：
You： 深度学习金融模型已经有了初步结果,是可用的.需要进一步深化和详细测试. 现在有以下几个需要做的任务: 1. 继续改进模型,微调,做到结果最优. 2 将模型带入交易系统,做适应性修改. 3. 对模型的学习目标做一些调整. 我该如何安排这些事情 ChatGPT： 针对您提出的任务，您可以考虑以 阅读全文
posted @ 2024-03-22 09:49 金凯旋 阅读(2) 评论(0) 推荐(0) 编辑
金融时序数据的标签
摘要：
量化金融里，时序数据的标签： 1、未来价格 2、涨跌方向 3、均值变化价格 4、极值价格 5、未来价格分布概率 6、未来多个时间点价格预判。 阅读全文
posted @ 2024-03-06 10:29 金凯旋 阅读(1) 评论(0) 推荐(0) 编辑
深度学习和交易
摘要：
根据近一段时间的体验, 初级的金融数据深度学习, 对算力需求不高. 即使数据集比较大, 也是如此. 如果不能用简单的数据有一个较好的期望值, 这个方向大概率就是错的. 再提高算力和增加数据处理量,意义都不大. 阅读全文
posted @ 2024-03-02 11:02 金凯旋 阅读(2) 评论(0) 推荐(0) 编辑
Transformer 例子2
摘要：
一个多维数据输入的例子： import torch import torch.nn as nn import numpy as np import matplotlib.pyplot as plt # 构造简单的多维时间序列数据集 def generate_multivariate_time_ser 阅读全文
posted @ 2024-02-28 11:34 金凯旋 阅读(10) 评论(0) 推荐(0) 编辑
Transformer 例子
摘要：
据说很好用，先写一个例子看看： import torch import torch.nn as nn import numpy as np import matplotlib.pyplot as plt # 构造简单的时间序列数据集 def generate_time_series(): time 阅读全文
posted @ 2024-02-28 11:05 金凯旋 阅读(22) 评论(0) 推荐(0) 编辑
LSTM 策略应用在量化交易领域的一点猜想
摘要：
LSTM ( Long Short Term Memory ) , 对于NLP(自然语言处理)和连续拍照的处理时,有额外的优势.在交易领域,最多的是应用于预判未来走势. 在自然语言处理时,将语句分为一个个单词, 并预判下一个词汇. 同理:在K线图中,最简单的模式是以 OHLCV, 即一个Bar被当作 阅读全文
posted @ 2024-02-20 20:54 金凯旋 阅读(18) 评论(0) 推荐(0) 编辑
每日笔记-LSTM
摘要：
今天,搞了一段代码,但没有达到应有的效果 import torch import torch.nn as nn import numpy as np # 设置随机种子以便结果可重复 torch.manual_seed(42) # 定义一个更复杂的LSTM模型 class ComplexLSTMMod 阅读全文
posted @ 2024-02-20 20:41 金凯旋 阅读(3) 评论(0) 推荐(0) 编辑
**kwargs用法举例
摘要：
def test_kwarges(out : bool = False, **kwargs): a = kwargs.get("a", "test-a") x = kwargs.get("x", "test-x") print(a, x) print(out) kwargs = {"a":1, "b 阅读全文
posted @ 2023-12-08 16:48 金凯旋 阅读(11) 评论(0) 推荐(0) 编辑
