发表服务
基于投资者情绪的SVM在量化投资方面的应用.刘翔.【摘要】：我国资本市场自上世纪九十年代形成以来,其规模和体量呈现一种高速增长的态势.然而,与高速增长相伴的却是A股市场多次的大幅度动荡。.反观同时期的西方国家成熟的资本市场却未出现如此剧烈地...
而量化择时策略是量化投资策略的一个重要分支。支持向量机(SVM)是一种机器学习算法,弥补了传统神经网络学习算法的多项不足,在解决模式识别和回归问题时性能优越。对于SVM,国内在金融领域的研究主要用于金融时间序列预测,还没有与量化择时策略相结合的
硕士论文开题报告—《基于投资者情绪的SVM在量化投资方面的应用》摘要第1-4页Abstract第4-8页1绪论第8-12页1.1研究背景和研究意义第8-10页
量化投资之机器学习应用——基于SVM模型的商品期货择时交易策略（提出质疑和讨论）.2016年在东证期货的量化报告里，读到一篇文章，关于量化投资策略之机器学习应用——基于SVM模型的期货择时交易策略。.就顺手算了一下，发现了一些问题，因此和大家...
量化投资的先进之处在于其实施体系和传统的投资分析比较起来,具有定量化和精确化的特点。在传统的价值投资者中,巴菲特是取得良好成绩的投资者中的代表人物,连续40多年来,每年均可稳定的获得超过20%的…
动量策略与反转策略在量化投资中的比较分析.现代金融学理论中的有效市场假说和资产定价理论与市场中存在的异象不断发生矛盾.一些研究者得出我国股市不存在动量效应,但是在长期存在反转效应.通过引入SVM算法预测股市的反转点,预测股市的买点作为建仓...
本论文的研究对于将支持向量机方法应用于量化投资策略的构建,对于完善和优化量化择时策略,对于量化投资实践具有一定的指导和参考意义。[Abstract]:ThestormofartificialintelligencebroughtbyGoogleAlphaGoissweepingacrossallindustries,anditwillalsohaveafar-reachingimpactonthefinancialinvestmentindustry.
本文是一篇计算机论文研究，本文以深度强化学习为基础对量化投资策略进行了研究。金融活动促进货币流动，在经济发展中发挥着资源配置作用，在现代社会经济中占据重要地位。
一.数据采集在此量化框架内，全部使用本地化计算。优势：1.稳定——不会因网络不稳定而导致分析过程中断。2.快速——本地化运算对于数据的访问速度比在线获取数据快，当机器学习的算法涉及到海量数据做训练集或迭代训练的时候，这一点尤其重要。
机器学习到底在量化金融里的哪些方面有应用？,如果大家去搜索早期的神经网络、SVM的相关论文，会发现不少是做股票预测的。原因很简单，因为似乎我们可以天然地把股票投资的问题看成一个分类问题或者回归问题。回归的角度，我们可以根据之前的历史数据，预测下一个时间点的股价；分类的...
基于投资者情绪的SVM在量化投资方面的应用.刘翔.【摘要】：我国资本市场自上世纪九十年代形成以来,其规模和体量呈现一种高速增长的态势.然而,与高速增长相伴的却是A股市场多次的大幅度动荡。.反观同时期的西方国家成熟的资本市场却未出现如此剧烈地...
而量化择时策略是量化投资策略的一个重要分支。支持向量机(SVM)是一种机器学习算法,弥补了传统神经网络学习算法的多项不足,在解决模式识别和回归问题时性能优越。对于SVM,国内在金融领域的研究主要用于金融时间序列预测,还没有与量化择时策略相结合的
硕士论文开题报告—《基于投资者情绪的SVM在量化投资方面的应用》摘要第1-4页Abstract第4-8页1绪论第8-12页1.1研究背景和研究意义第8-10页
量化投资之机器学习应用——基于SVM模型的商品期货择时交易策略（提出质疑和讨论）.2016年在东证期货的量化报告里，读到一篇文章，关于量化投资策略之机器学习应用——基于SVM模型的期货择时交易策略。.就顺手算了一下，发现了一些问题，因此和大家...
量化投资的先进之处在于其实施体系和传统的投资分析比较起来,具有定量化和精确化的特点。在传统的价值投资者中,巴菲特是取得良好成绩的投资者中的代表人物,连续40多年来,每年均可稳定的获得超过20%的…
动量策略与反转策略在量化投资中的比较分析.现代金融学理论中的有效市场假说和资产定价理论与市场中存在的异象不断发生矛盾.一些研究者得出我国股市不存在动量效应,但是在长期存在反转效应.通过引入SVM算法预测股市的反转点,预测股市的买点作为建仓...
本论文的研究对于将支持向量机方法应用于量化投资策略的构建,对于完善和优化量化择时策略,对于量化投资实践具有一定的指导和参考意义。[Abstract]:ThestormofartificialintelligencebroughtbyGoogleAlphaGoissweepingacrossallindustries,anditwillalsohaveafar-reachingimpactonthefinancialinvestmentindustry.
本文是一篇计算机论文研究，本文以深度强化学习为基础对量化投资策略进行了研究。金融活动促进货币流动，在经济发展中发挥着资源配置作用，在现代社会经济中占据重要地位。
一.数据采集在此量化框架内，全部使用本地化计算。优势：1.稳定——不会因网络不稳定而导致分析过程中断。2.快速——本地化运算对于数据的访问速度比在线获取数据快，当机器学习的算法涉及到海量数据做训练集或迭代训练的时候，这一点尤其重要。
机器学习到底在量化金融里的哪些方面有应用？,如果大家去搜索早期的神经网络、SVM的相关论文，会发现不少是做股票预测的。原因很简单，因为似乎我们可以天然地把股票投资的问题看成一个分类问题或者回归问题。回归的角度，我们可以根据之前的历史数据，预测下一个时间点的股价；分类的...
发表服务