问题集锦
摘要：
又要用c++写东西了, 环境很久没整理启动就出了一堆错.一个个解决吧. 下面是提示的错误信息: 严重性 代码 说明 项目 文件 行 禁止显示状态 详细信息 错误 CMake Error at F:/vcpkg/scripts/buildsystems/vcpkg.cmake:857 (_find_p 阅读全文
posted @ 2024-08-03 11:15 金凯旋 阅读(24) 评论(0) 推荐(0)
夏普比率考量策略要注意的几个问题
摘要：
首先，夏普比率是向后看的。它只考虑历史回报分布和波动性，而不考虑未来发生的回报。当根据夏普比率做出判断时，有一个隐含的假设，即过去将与未来相似。然而，这种情况并非总是如此，尤其是在市场制度变化的情况下。 夏普比率计算假设所使用的回报是正态分布的（即高斯分布）。但是，市场经常遭受高于正态分布的峰度。从 阅读全文
posted @ 2024-06-29 11:43 金凯旋 阅读(81) 评论(0) 推荐(0)
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(14) 评论(0) 推荐(0)
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(14) 评论(0) 推荐(0)
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(23) 评论(0) 推荐(0)
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(20) 评论(0) 推荐(0)
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 11:33 金凯旋 阅读(81) 评论(0) 推荐(0)
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 11:04 金凯旋 阅读(197) 评论(0) 推荐(0)
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(110) 评论(0) 推荐(0)
浙公网安备 33010602011771号