作者文章归档：course

QuantML量化论文知识图谱社区-

评论
114 views

QuantML量化论文知识图谱社区致力于机器学习量化模型深度研究，每日分享前沿论文、策略代码与Alpha因子，核心目标是连接论文与主题以助力高效探索；社区现有317篇论文、30个主题标签，时间跨度覆盖2011-2026年，热门标签集中在time-series prediction（272篇关联论文）、financial prediction（137篇）、trading strategies（130篇）等量化核心领域；同时提供“论文-标签图谱”“标签关系图谱”两大快速入口（前者可查论文摘要、作者与年份，后者能发现主题共现关系与聚类结构），最新论文包括2026年的《ContestTrade:...

Read more

因子模型-V01

评论
100 views

因子模型作为现代量化投资的核心理论框架，已经从经典的 CAPM 单因子模型发展为包含价值、规模、动量、质量等多维度的复杂体系。本报告系统梳理了因子模型的理论演进脉络，深入分析了 Fama-French 三因子、五因子模型以及 Carhart 四因子模型等经典框架的理论基础与实证方法。研究发现，因子模型能够解释 50%-80% 的股票收益变异，显著优于传统 CAPM 模型的解释力。在实际应用中，因子模型已成为对冲基金、资产管理公司的标准工具，AQR Capital 等领先机构管理规模超过 1860 亿美元。展望未来，人工智能、另类数据与因子模型的融合将开启量化投资的新篇章。 一、因子模型理...

Read more

RAG-入门10篇文章-

评论
145 views

文章1：《RAG入门：从“是什么”到“为什么需要”——大模型时代的知识增强利器》

• 核心目标：帮零基础读者建立RAG基础认知，厘清RAG与传统大模型的差异

• 核心受众：AI初学者、产品经理、想了解RAG的技术小白

• 详细大纲：

  1. 开篇：破除2个常见误区（RAG=复杂工程？RAG可替代Fine-tuning？）

  2. 什么是RAG？——用“图书馆找书+写报告”类比讲清核心逻辑（检索→整合→生成）

  3. RAG vs Fine-tuning：3个关键差异（成本、知识时效性、灵活性）

  4. RAG能解决什么问题？——3个核心应用场景（企业知识库问答、专业领域辅助、实时信息查询）

  5. 极简RA...

Read more

changlog-ONE

评论
462 views

版本号 功能描述
V7.0 趋势反转 + 三模型叠加涨 + 蓝绿距 + 真实价格 + 集合竞价 + 实时趋势预测
V6.0 趋势反转 + 三模型叠加涨 + 蓝绿距 + 真实价格 + 集合竞价
V5.0 趋势反转 + 三模型叠加涨 + 蓝绿距 + 真实价格
V4.0 异常放量 + 三模型叠加涨
V3.0 双模型
V2.0 日线-涨跌停池 + 资金流入 + 第一个红
V1.0 日线-涨跌停池

V7.0 趋势反转 + 三模型叠加涨 + 蓝绿距 + 真实价格 + 集合竞价 + 实时趋势预测 V6.0 趋势反转 + 三模型叠加涨 + 蓝绿距 ...

Read more

数据字典-ONE

评论
474 views

数据平台

股票数据

stock_info 股票信息

adata_stock_info Adata

ak_stock_info Akshare

bs_stock_info BaoStock

tushare_stock_info Tushare

行情数据

bsStockDailyHist BaoStock 日线数据

stockMinuteHist 5分钟数据

stockDailyHist adata & Akshare 日线数据

分析平台

trendAnomaly 趋势探测器生成的每日的异常趋势的stock 数据

volumeAnomaly 交易量探测器生成的每日的异常交易量...

Read more

TIMEMIXER: DECOMPOSABLE MULTISCALE MIXING FOR TIME SERIES FORECASTING-论文

评论
232 views

论文《TIMEMIXER: DECOMPOSABLE MULTISCALE MIXING FOR TIME SERIES FORECASTING》总结

本文发表于ICLR 2024会议，由蚂蚁集团与清华大学团队合作完成。针对时间序列预测中复杂时序变化的挑战，提出基于多尺度混合的全新视角，设计出全MLP架构的TimeMixer模型。该模型通过Past-Decomposable-Mixing（PDM）块和Future-Multipredictor-Mixing（FMM）块，分别在历史信息提取阶段对多尺度序列的季节和趋势成分进行分解混合，在未来预测阶段融合多预测器的互补能力；在18个真实世界基...

Read more

全面解析时间序列分析与预测-v01

评论
117 views

全面解析时间序列分析与预测

1. 时间序列分析的核心概念与理论基础

时间序列分析是数据科学和统计学中的一个核心领域，专注于研究按时间顺序排列的数据点。这些数据点通常以固定的时间间隔（如每日、每周、每月）进行测量和记录，其本质特征是数据值会随着时间的推移而发生变化 。时间序列分析的目标不仅仅是描述历史数据，更重要的是理解其内在结构，并基于这种理解对未来进行预测。这一过程在金融、经济、气象、零售、医疗等众多领域都有着广泛的应用。例如，金融分析师利用时间序列模型预测股票价格的走势，气象学家用它来预报未来的天气变化，而零售商则通过分析历史销售数据来优化库存管理和制定营销策略 。时间序列数据可以被...

Read more