深度神经网络DNN、RNN、RCNN及多种机器学习金融交易策略研究|附数据代码
在当今的金融领域,量化交易正凭借其科学性和高效性逐渐成为主流投资方式之一。
在当今的金融领域,量化交易正凭借其科学性和高效性逐渐成为主流投资方式之一。
本文以多因素模型在股票交易中的应用为背景,帮助客户针对Logistic选股模型的理论基础以及模型原理方面分析Logistic选股模型的可行性与稳定性。为保证模型的可靠和稳定,使用过去五年的历史数据来检测模型。
我们将利用每日数据制定简单的交易策略 我们将涵盖以下内容。
预测股票价格,并在合适的时间产生交易策略实现收益,一直是一个热门的问题,到现在为止也提出了很多预测方法。
对于那些不熟悉“配对交易”概念的人来说几句话。
最近我们被客户要求撰写关于量化交易的研究报告。
相信大家都听说过股票和债券的多元化投资组合。
用于动量策略中所谓的动量(Momentum),是指某一对象所具有的一种倾向于保持其原有属性或特征的性质,也可以简单理解成一种惰性(Inertia)。
最近,我们继续对时间序列建模进行探索,研究时间序列模型的自回归和条件异方差族。我们想了解自回归移动平均值(ARIMA)和广义自回归条件异方差(GARCH)模型。它们在量化金融文献中经常被引用。
本文提出了一种算法,可以根据市场波动性在均值回归和趋势跟随策略之间进行切换。
在本文中,我想向您展示如何应用S&P500股票市场指数的交易策略。
TMA三均线期指高频交易策略的R语言实现
永远不要错过任何见解。当新文章发表时,我们会通过微信公众号向您推送。
技术干货
最新洞察
This will close in 0 seconds