《2024 年终总结：在迷茫与悲伤中浴火重生，AI 引领新征程》

站在 2024 年的尾巴上，回首这一年，心中五味杂陈，迷茫与悲伤如影随形，但也正是在这重重困境之中，我宛如凤凰涅槃，在 AI 的浪潮中找到了重生的方向，开启了重新出发、从新开始的旅程，尤其是在投顾智能体与量化交易领域的探索，成为了我这一年最为深刻且具有转折意义的经历。

年初的时候，世界在我眼中仿佛被迷雾笼罩，对未来的方向感到无比的迷茫。曾经笃定的道路突然变得模糊不清，不知道自己该何去何从，那种失去目标的怅惘和无助，如同在黑暗的深海中迷失了航向的船只，只能随波逐流。而生活似乎也并未放过我，各种挫折接踵而至，目标的丢失，事业上...

Read more

冲量法（Momentum Method）也称为动量法，是一种在机器学习优化算法中常用的技术，尤其在随机梯度下降（SGD）及其变体的优化过程中被广泛应用。以下是对其的详细介绍：

基本原理

• 借鉴物理概念：冲量法借鉴了物理学中的动量概念，它考虑了之前梯度更新的历史信息，就像物体在运动中具有惯性一样，在优化过程中引入了一个动量项来加速收敛并减少震荡。
• 更新规则：在每次迭代中，不仅根据当前的梯度来更新参数，还会考虑上一次更新的方向和大小，即动量。具体来说，它会将当前梯度与之前积累的动量进行加权求和，然后再根据这个和来更新参数。

数学表达式

• 设参数为(\theta)，学习率为(\alpha)，...

Read more

以下是按照重要程度总结出的机器学习的100个关键字：

基础概念

1. 算法：机器学习的核心是各种算法，如线性回归、决策树、支持向量机等，用于从数据中学习模式和规律。
2. 模型：通过算法对数据进行训练得到的数学表示，用于对未知数据进行预测或分类。
3. 数据：机器学习的基础，包括结构化数据、半结构化数据和非结构化数据等，质量和数量对模型效果至关重要。
4. 特征：数据中用于描述对象的属性或变量，选择合适的特征是提高模型性能的关键。
5. 标签：在监督学习中，与特征相对应的已知结果或类别，用于模型的训练和评估。
6. 训练：使用已知数据对模型进行学习和调整参数的过程，使其能够对未知数据进行准确预测。
7. 测试：在训练完成后，使...

Read more

股票推荐系统是一种利用数据分析、机器学习等技术，为投资者提供股票投资建议的工具，以下是其详细介绍：

主要类型

• 基于基本面分析的推荐系统：通过分析公司的财务报表，如营收、利润、资产负债表等数据，评估公司的内在价值和财务状况，从而筛选出具有投资价值的股票。例如，一些系统会筛选出市盈率较低、市净率合理、股息率较高且盈利增长稳定的股票作为推荐标的。
• 基于技术分析的推荐系统：侧重于研究股票的价格走势、成交量等交易数据，运用各种技术指标和图表形态来预测股票未来的价格趋势。比如，当移动平均线显示多头排列，且MACD指标出现金叉时，系统可能会推荐买入相关股票.
• 基于机器学习的推荐系统：利用大量的历史股...

Read more

“趋势”这个词有多种含义呢。

一、在一般语境下（表示事物发展的动向）

1. 定义
2. 趋势是指事物发展的倾向，是一种比较持久的、具有一定方向性的变化态势。例如，在时尚领域，每年服装的流行趋势都不同，可能今年流行复古风格的服装，这就是一种在服装款式选择上的发展倾向。
3. 影响因素
4. 内部因素：事物自身的特性和发展规律会影响趋势。以科技产品为例，智能手机芯片性能不断提升是一种趋势。这是因为芯片制造技术自身在不断进步，研发人员通过不断改进芯片的架构、制程等内部因素，使得芯片性能得以持续提高。
5. 外部因素：包括社会环境、经济状况、政策法规等。比如，随着环保政策的加强，汽车行业出现了向新能源汽车发展的趋势。政府对...

Read more

1. 定义

   • 对角矩阵（Diagonal Matrix）是一种方阵，即行数和列数相等的矩阵。在对角矩阵中，除了主对角线（从左上角到右下角的对角线）上的元素外，其余元素都为0。主对角线元素可以是任意实数或复数。例如，一个(3\times3)的对角矩阵(D)可以表示为(D = \begin{bmatrix}a&0&0\0&b&0\0&0&c\end{bmatrix})，其中(a)、(b)、(c)是主对角线上的元素。

2. 性质

   • 乘法性质
     • 对角矩阵与同阶方阵相乘相对简单。设(A)是一个(n\times n)的对角矩阵(A=\begin{bmatr...

Read more

1. 定义

   • 在统计学和信号处理领域：decorrelation（去相关）是指减少或消除变量之间相关性的过程。当两个或多个变量之间存在相关性时，意味着它们的变化不是相互独立的，通过去相关操作可以使它们在一定程度上相互独立。例如，在时间序列数据中，两个时间序列可能因为受到共同因素的影响而具有相关性，去相关可以将这种关联去除，使得分析更加简单。
   • 在向量和矩阵的情境下：对于一组向量，如果它们之间存在线性相关性，通过一定的变换可以使它们变成相互正交（不相关）的向量，这个过程也称为去相关。

2. 方法

   • 主成分分析（PCA）
     • 原理：PCA是一种常用的去相关方法，特别是对于高维数据。它基于数据的协方差...

Read more

1. 定义

   • 在数学和线性代数领域，对于一个方阵(A)，如果存在一个非零向量(x)和一个标量(\lambda)，使得(Ax = \lambda x)，那么向量(x)被称为方阵(A)的特征向量（eigenvector），标量(\lambda)称为对应的特征值（eigenvalue）。简单来说，特征向量是在矩阵变换下方向不变（可能会反向），而长度可能会改变的向量。例如，对于一个旋转矩阵，如果有向量在旋转后方向不变（只是长度可能改变），那么这个向量就是该旋转矩阵的特征向量。

2. 计算方法

   • 特征方程法：对于(n\times n)方阵(A)，计算特征值是通过求解特征方程(\det(A - \la...

Read more

1. 定义
   • 在数学中，特别是矩阵分析领域，一个实对称矩阵(A)如果对于任意非零向量(x)，都有(x^TAx\geq0)，那么矩阵(A)被称为半正定矩阵（positive - semidefinite）。其中(x^T)是向量(x)的转置。如果对于任意非零向量(x)，有(x^TAx > 0)，那么矩阵(A)是正定矩阵（positive - definite）。可以看出正定矩阵是半正定矩阵的一种特殊情况。
2. 判定方法
   • 特征值判定：实对称矩阵(A)是半正定矩阵当且仅当它的所有特征值都大于或等于(0)。例如，对于一个(2\times2)的实对称矩阵(A=\begin{bmatrix}a&...

Read more

个人量化交易是指个体投资者运用量化分析方法和工具来构建并执行自己的投资策略，以下是关于个人量化的详细介绍：

特点

• 自主性强：个人量化投资者能够完全按照自己的投资理念、风险偏好和市场判断来设计交易策略，无需遵循机构的既定规则或流程，有充分的自由去探索和尝试各种创新的方法。
• 灵活性高：可以迅速根据个人的财务状况、投资目标的变化调整量化策略。例如，当个人投资者临近退休，可能会将投资策略从追求高收益高风险的量化模型转向更注重资产保值、波动较小的策略，这种调整可以在较短时间内完成，而不像机构那样需要复杂的决策流程。
• 资金规模受限：与大型机构相比，个人投资者可用于量化交易的资金通常较少。这可能限制...

Read more