Python梯度提升树、SHAP与递归特征消除构建血栓风险分级预测模型|附代码数据
静脉血栓栓塞症(VTE)构成严峻的公共卫生挑战,早期识别高风险个体是防控关键。本研究利用临床检验数据集 (28,140条记录,214项特征),构建了一套基于梯度提升决策树(Gradient Boosting)的血栓风险预测模型。
静脉血栓栓塞症(VTE)构成严峻的公共卫生挑战,早期识别高风险个体是防控关键。本研究利用临床检验数据集 (28,140条记录,214项特征),构建了一套基于梯度提升决策树(Gradient Boosting)的血栓风险预测模型。
随着大语言模型与多智能体技术的快速发展,传统量化交易中单一模型决策的认知偏差、风险后置、策略迭代效率低等痛点迎来了系统性的解决方案。本文聚焦商品期货市场,设计并实现了一套融合多智能体专业分工、对抗性辩论机制与全流程风险约束的自动化量化交易系统,同时基于Claude Code构建了配套的AI驱动因子挖掘进化框架,解决了传统量化研究中人工假设效率低、策略过拟合、风险控制与决策脱节的核心问题。
你是不是也觉得AI听起来很厉害,但实际落地却无从下手?企业想靠AI降本增效,却不知道从哪个场景切入;职场人想学AI提升竞争力,却被复杂的技术概念劝退;创业者想借AI风口破局,却担心安全风险和合规问题?
在金融市场中,债券的流动性风险一直是一个备受关注的问题。
配对交易提出的问题之一是股票的贝塔值相对于市场的不稳定估计。
FF 模型通过回归除市场收益之外的几个变量的投资组合收益来扩展 CAPM。
世界卫生组织估计全世界每年有 1200 万人死于心脏病。
Beta 假设反映了一种工具对例如市场的风险。但是,您可以通过各种方式估算此度量。
本文用 R 编程语言极值理论 (EVT) 以确定 10 只股票指数的风险价值(和条件 VaR)。
Python计算获得多资产投资组合的风险度量。
目标函数的平滑度对于优化的成功至关重要。可视化目标函数是一种检查平滑度的简便方法。
随着越来越多的数据被数字化,获取信息变得越来越困难。我们在本文中重点关注的一个示例是评估公司面临的不同风险领域。
结合POT模型的洪水风险评估能够从有限的实测资料中获取更多的洪水风险信息。
风险价值(VaR)及其所有相关问题仍然是风险管理中的主要模型。

技术干货

最新洞察

视频号
This will close in 0 seconds