Публикации по теме 'investing'
Максимизируйте свои инвестиционные доходы с помощью науки о данных
Вы когда-нибудь задумывались, как некоторые люди умеют делать разумные инвестиции, в то время как другие изо всех сил пытаются получить прибыль? Что ж, оказывается, наука о данных может быть тем секретным ингредиентом, который отличает успешных инвесторов от остальных.
От сбора и анализа финансовых данных до использования алгоритмов машинного обучения для…
Далее — ML для инвестирования
Последние несколько лет были интересными. Поучительно, во многом, на самом деле. После пары лет работы в стартапе, где я многому научился, я только что закончил несколько лет работы в крупной компании, где узнал еще кое-что.
У меня также был опыт, который действительно изменил мой подход к жизни.
В эти дни я гораздо лучше осознаю, как мало времени остается, чтобы что-то сделать на этой планете, и как важно проводить время, которое у меня есть, делая то, что мне небезразлично, среди..
Машинное обучение хедж-фондов
Машинное обучение хедж-фондов
Машинное обучение хедж-фондов
Машинное обучение хедж-фондов — Rebellion Research
Модели машинного обучения для успешных торговых стратегий
Как думать об обучении и использовании моделей машинного обучения для алгоритмической торговли.
Многие люди пытались предсказать фондовые рынки. Я потратил около 6 месяцев на создание сквозной системы машинного обучения для алгоритмической торговли. Я использовал производственную систему для размещения заказов на бумагу в течение последних 5 месяцев и получил прибыль 23% по сравнению с 10,7% индекса S&P-500. Доходность и показатели риска для бумажной торговли и тестирования на истории..
Презентация и обратное тестирование свечного паттерна 3–2–2
Тестирование паттерна 3–2–2 в технике Strat Price Action на истории
Свечные паттерны — это удивительный инструмент распознавания паттернов, который требует дальнейшего изучения. В этой статье обсуждается паттерн 3–2–2, который применяется с использованием индикатора Strat, методика, описанная в предыдущей статье.
Возвратный двигатель: феномен низкой волатильности повсюду
Основные моменты и выводы
В одном из предыдущих разделов мы подтвердили, что волатильность ежедневной доходности акций за 6 месяцев служит надежным индикатором для выявления компаний с более высокой доходностью с поправкой на риск. Опираясь на эту концепцию, мы теперь показываем, что феномен силы выбора акций не ограничивается выбранным 6-месячным временным окном. Ежедневная волатильность доходности акций за 12 месяцев также демонстрирует аналогичный эффект: акции с низкой..
Создание портфеля с использованием отраслевой дивергенции
Проверьте этот инструмент на ntrinsically.com (бесплатно). Поддержите мой контент, узнав больше об инвестировании в стоимость , вариантах или инвестировании в рост (партнерские ссылки Amazon.com).
Примечание. это не инвестиционный совет. Этот проект можно использовать для создания портфеля, диверсифицированного по секторам, но индивидуальный инвестор должен понимать риски, связанные с любыми инвестициями.
В предыдущем посте я обсуждал использование дивергенции сектора от..
Новые материалы
Объяснение документов 02: BERT
BERT представил двухступенчатую структуру обучения: предварительное обучение и тонкая настройка.
Во время предварительного обучения модель обучается на неразмеченных данных с помощью..
Как проанализировать работу вашего классификатора?
Не всегда просто знать, какие показатели использовать
С развитием глубокого обучения все больше и больше людей учатся обучать свой первый классификатор. Но как только вы закончите..
Работа с цепями Маркова, часть 4 (Машинное обучение)
Нелинейные цепи Маркова с агрегатором и их приложения (arXiv)
Автор : Бар Лайт
Аннотация: Изучаются свойства подкласса случайных процессов, называемых дискретными нелинейными цепями Маркова..
Crazy Laravel Livewire упростил мне создание электронной коммерции (панель администратора и API) [Часть 3]
Как вы сегодня, ребята?
В этой части мы создадим CRUD для данных о продукте. Думаю, в этой части я не буду слишком много делиться теорией, но чаще буду делиться своим кодом. Потому что..
Использование машинного обучения и Python для классификации 1000 сезонов новичков MLB Hitter
Чему может научиться машина, глядя на сезоны новичков 1000 игроков MLB? Это то, что исследует это приложение.
В этом процессе мы будем использовать неконтролируемое обучение, чтобы..
Учебные заметки: создание моего первого пакета Node.js
Это мои обучающие заметки, когда я научился создавать свой самый первый пакет Node.js, распространяемый через npm.
Оглавление
Глоссарий
I. Новый пакет
1.1 советы по инициализации..
Забудьте о Matplotlib: улучшите визуализацию данных с помощью умопомрачительных функций Seaborn!
Примечание. Эта запись в блоге предполагает базовое знакомство с Python и концепциями анализа данных.
Привет, энтузиасты данных! Добро пожаловать в мой блог, где я расскажу о невероятных..