V
主页
AFML:用元标签解决不平稳和仓位问题
发布人
元标签是Marcos Lopez de Prado博士首次引入的一种技术,可用于解决非平稳性问题以及提供仓位大小。 核心思想是在发生积极事件的可能性中增加仓位大小,并随着不确定性的增加而减少仓位大小。 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:WbgglcXfEzA #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
AFML:元标签集成
AFML:人造合成金融数据
AFML:趋势扫描标签
AFML:Shapley Values与模型可解释性
AFML:采样权重
AFML:元标签校正与仓位控制
AFML:信息驱动条
AFML:baggin和boosting
时序6:用xgboost2
ai量化问题3:价格趋势预测
A股真的不适合中性策略吗?简单的期权双卖为什么这么难做?
sklearn32:多分类 AUC
aml43:核技术与SVM
python量化64:最实用的策略
python量化50:移动平均线
万能的P值
AFML:交叉验证与回测
AFML:Tick, Volume and Dollar Bars
str68:量价分析2
AI量化2:算法交易
py54:VSCode最佳python插件
深度解释似然函数
str17:5 最好的移动平均策略
#财经 #投资#经济#干货放弃!量化巨头深夜发声,宣布放弃中性策略,逐步将对冲产品投资仓位降低至0
aml76:从基准开始
AFML:标签并发和交叉验证
AFML:实战特征重要性
拥抱不确定
风控8-将仓位转换为资金的VaR
python量化1:外汇实时交易1
str14:动量策略
python量化63:技术指标的计算
python量化40:三角价格指标检测
python量化21:价格突破回测
bayes:Black-Litterman的贝叶斯解释-1
概率机器学习9:理解高斯过程
aml74:误差分析
aml35:最大类别边界
aifinance11:AI & ML in Finance - Lecture - 11 - Multiple Linear Regression - Fur
python量化53:RSI发散