V
主页
AFML:标签并发和交叉验证
发布人
本讲座探讨了标签并发性以及金融机器学习中各种交叉验证技术的优缺点。即:K-Fold、Walk Forward和Purged K-Fold。 金融机器学习进展(AFML)一书相关的实操问题 如需英文视频请移步油管:lDTSGK4JMYk #LuQuant#中文台译制片频道乐心出品! 学习英文文档靠谷歌翻译,学习英文视频靠LuQuant中文! 翻译质量Google全程背锅,中文配音LuQuant竭尽全力!
打开封面
下载高清视频
观看高清视频
视频下载器
AI量化3:期权交易
深度解释似然函数
str28:策略解密
万能的P值
python量化50:移动平均线
回测54-提升回测的八个方法
AI量化5:综述
str40:策略解密3
贝叶斯数据分析24-频率评估与假设检验
ab20-贝叶斯时间序列分析
风控6-用标准差计算波动风险
python量化32:布林带策略3
风控1-机构级别的风控
str17:5 最好的移动平均策略
AI量化8:ChatGPT应用
ai量化问题3:价格趋势预测
AI量化2:算法交易
python量化53:RSI发散
AI量化1:强化学习
python量化55:追踪指数2
风控4-VAR应用于日内交易与波段交易
python量化27:策略回测
py35:类变量与类方法
python量化3:实时交易策略
AI量化6:组合优化
时序6:用xgboost2
python量化21:价格突破回测
AI量化9:ChatGPT应用2
str46:最佳交易图表模式
python量化19:VWAP平均线策略
AI量化11:机器的觉醒
python量化40:三角价格指标检测
时序5:用xgboost
python量化30:布林带策略
qc1:像冠军一样交易
str15:像威廉·奥尼尔弟子一样交易
py30:装饰器
贝叶斯数据分析4-先验
ai量化问题8:其他
aml76:从基准开始