原创 量化面試題及答案
3月份虧錢了，還有房貸，可是想來想去還是想做股票。也許這就叫做狗改不了喫屎。 空倉，每天做一些題，加深理解，在此做個記錄。只爲了方便自己看。 對沖和複製 問2.32：看跌期權可以用來做什麼？ 答：對沖，投機，套利 4月1
2020-06-15 06:29:36
2
原创 凸優化：一些簡單的相關概念
一 基本準則： 1.有一個可解集合 2.有一個尋找準則 二 數學語言如下： 最小化方程式： f0(x)(1)f_0(x) \tag1f0(x)(1) 限制條件： fi(x)<=bi,i=1,2,3,......m(2)f_i(x
2020-06-15 06:29:36
原创 python中import其他文件夾下的模塊
如果要import不在同一個路徑下的module，則需要先把這個module的路徑添加進來。 例如： from sys import path path.append(r"D:\jupyter\cryptocurrency\huo
2020-06-15 06:29:36
原创 （Q-Q圖）分位數圖詳解
一 分位數的定義： 設原序列爲X=x1,x2,x3,......xNX = {x_1,x_2,x_3,......x_N}X=x1,x2,x3,......xN, 分位數Qi=xi−mean(x)δQ_i = \frac{
2020-06-15 06:29:36
原创 sklearn數據分析概覽
一 分析算法的選擇 二 流程 train_x,train_y,test_x,test_y = getData() model = somemodel() model.fit(train_x,train_y) predicti
2020-04-28 09:35:21
原创 高維多數據聚類（sklearn.cluster.affinityPropagation）和降維（manifold.LocallyLinearEmbedding）
一 、聚類 cluster.affinityPropagation 適合高維、多數據快速聚類 不需要指定最終聚類族的個數 對數據的初始值不敏感 對初始相似度矩陣數據的對稱性沒有要求 和k-centers聚類方法相比，其結果的平方
2020-04-26 09:28:34
原创 稀疏逆協方差矩陣估計（GraphicalLassonCV）
1.本方法適用於相關性不大的特徵（對象）的相關行分析，同時，樣本數量要比特徵數量少。 2.如果相關性比較大的話則適合用shrinkage covariance（縮放相關性分析） 以下爲sklearn官方解釋： 協方差矩陣的逆矩
2020-04-25 06:38:13
原创 期權定價公式的推導（歐式）
1.C=e−rTEQ[max(ST−K,0)]C = e^{-rT}E^{Q}[max(S_T-K,0)]C=e−rTEQ[max(ST−K,0)] 又可以寫爲C=e−rTEQ[(ST−K)]IIST>=K](1)C = e^{
2020-04-16 11:50:55
原创 幾個重要的凸集
課件鏈接 1.任意線段 {x0+θv∣θ⩾0}x0∈Rn,θ∈R,v∈Rn\{x_0 + \theta v | \theta \geqslant 0 \} x_0 \in R^n,\theta \in R,v \in R^n{x0
2020-04-14 14:57:56
原创 凸優化基本概念-仿射集，凸集，凸錐
1）凸集，凸函數，凸優化 仿射集 例1：任何一個線性方程的解集一定是一個仿射集 c={x∣AX=b},A∈Rm×n,b∈Rm,x∈Rnc=\{x|AX = b\},A \in R^{m\times n},b \in R^m,x \
2020-04-13 19:42:14
原创 矩陣乘法
1.矩陣A.B=C,則CijC_{ij}Cij等於A中的i行乘以B中的j列. 參考課程,前4分鐘內容 [a11a12a13a14a21a22a23a24a31a32a33a34](A) \left[ \begin{matri
2019-10-26 11:59:47
原创 量化交易第9課筆記
線性函數:A⃗x⃗=λx⃗\vec{A} \vec{x} = \lambda \vec{x}Ax=λx 的含義是經過A⃗\vec{A}A變化後得到的值仍然與向量X⃗\vec{X}X共線性 並不是所有的X⃗\vec{X}X都滿足這個
2019-09-16 10:10:38
1
原创 選股方法
注意：本文是課堂筆記，完全是爲方便個人覆盤記錄的，沒有方便大衆的意圖，不喜勿噴。 1，2如圖 3.遺傳算法 （計算時所選數據不要超過3年） 4.根據marchenko-pastur分佈來幹掉隨機干擾項（第九課，1:41:31）
2019-09-16 10:10:38
原创 6月24 七月在線直播課筆記（流水賬式，非技術，沒歸類）
僅對老師課堂上說的注意點之類的做了記錄： 1.一定要看case，以便了解模型預估咋哪裏出現了什麼問題導致AUC降低 2.所有的問題儘可能轉化爲分類問題，少去做迴歸 例如：大於0.5，標爲1，反之，標爲0. 連續數值的label轉爲
2019-06-25 11:22:50
2
原创 分裂前後增益計算方法
1.ID3->信息增益 2.C4.5->信息增益比 3.CART->採用Gini係數 4.XG Boost->L~∗=−12∑j=1TGj2Hj+λ+γT\tilde{L}^*=-\frac{1}{2}\sum_{j=1}^{T}
2019-06-24 09:50:58