作者文章归档:course

前端模块-RoadMap-ONEY


前端模块

AICDA智能投顾体的前端模块作为用户交互的页面,具有至关重要的作用。 它主要提供直观清晰的用户界面,以简洁明了的方式展示各类投资产品信息、市场动态等内容,方便用户快速了解投资概况。 同时,具备便捷的操作功能,如账户注册登录、投资组合创建与调整、交易下单等,使用户能轻松进行操作。 而且,前端模块注重用户体验,界面设计美观大方,响应迅速,还能根据用户行为和偏好进行个性化推荐,为用户提供高效、舒适的智能投顾服务体验。

功能

已有功能

  • 登陆
  • 添加股票
  • 自动盯盘
  • 预测价格日历

Todo功能

  • 编辑已买股票
  • 一键删除已买股票功能

前端页面

登陆功能

登陆界面

  • 客户级别
  • 钻石级别 ...

Read more

非极大值抑制-DL


非极大值抑制(Non-Maximum Suppression,NMS)是目标检测中用于去除冗余检测框的一种重要算法,以下是关于它的详细介绍:

算法原理

  • 在目标检测任务中,模型会对每个目标生成多个检测框,这些检测框可能有不同的置信度得分,并且会存在大量重叠的情况。NMS的目的就是在这些检测框中筛选出最具代表性的、置信度最高的检测框,同时抑制那些与它重叠度较高的冗余检测框。
  • 算法首先根据检测框的置信度得分进行排序,选择得分最高的检测框作为基准框,然后计算其他检测框与该基准框的交并比(IoU)。如果某个检测框与基准框的IoU大于预先设定的阈值,则认为该检测框是冗余的,将其抑制(即从检测结果中...

Read more

交并比-DL


交并比(Intersection over Union,IoU)是目标检测和图像分割领域中用于衡量两个区域重叠程度的重要指标,以下是关于它的详细介绍:

定义

IoU是指两个区域(通常是预测的目标框与真实的目标框)的交集面积与并集面积的比值。其计算公式为:$IoU=\frac{A\cap B}{A\cup B}$,其中$A$和$B$分别表示两个区域,$A\cap B$表示它们的交集,$A\cup B$表示它们的并集。

取值范围及意义

  • 取值范围:IoU的取值范围在0到1之间。
  • 具体意义:当IoU为0时,表示两个区域没有任何重叠;当IoU为1时,表示两个区域完全重合;IoU的值越接近1,说明...

Read more

锚框-DL


锚框(Anchor Box)是目标检测算法中一个非常重要的概念,以下是关于它的详细介绍:

定义

锚框是在目标检测任务中,预先在图像上定义的一系列具有不同大小和宽高比的矩形框。这些矩形框以一定的规则在图像上均匀分布或按照特定的策略生成,作为目标可能存在的候选区域。

作用

  • 确定目标位置:由于目标在图像中的位置和大小是未知的,锚框提供了一种先验知识,通过与真实目标的匹配,可以大致确定目标的位置和范围,为后续的精确检测和定位提供基础。
  • 多尺度检测:不同大小和宽高比的锚框可以适应不同大小和形状的目标,能够在同一图像中检测到各种尺度的目标,提高了目标检测的鲁棒性和准确性。

生成方式

  • 基于滑动窗...

Read more

提升模型精度-DL


在深度学习中,提升模型精度是一个不断探索和优化的过程,以下是一些有效的思路:

数据层面

  • 数据增强:通过对原始数据进行随机变换,如旋转、翻转、缩放、裁剪、添加噪声等,增加数据的多样性,扩充训练数据集,使模型学习到更具鲁棒性的特征,从而提高在不同情况下的预测精度。
  • 数据清洗:去除数据集中的错误数据、重复数据和异常数据,确保数据的质量和一致性,减少噪声对模型训练的干扰,有助于提升模型精度。
  • 数据标注优化:对于监督学习任务,提高数据标注的准确性和一致性,确保标注信息与实际情况相符,同时可以采用多人标注、交叉验证等方式提高标注质量。

模型层面

  • 选择合适的模型架构:根据具体任务和数据特点,选择...

Read more

残差网络


ResNet即残差网络(Residual Network),是一种深度卷积神经网络架构,由何凯明等人在2015年提出,以下是对其的详细介绍:

提出背景

随着神经网络层数的增加,出现了梯度消失或梯度爆炸问题,导致网络难以训练。同时,网络越深,模型的准确率可能会达到饱和甚至下降,出现退化问题。ResNet旨在解决这些问题,使训练极深的网络成为可能。

核心思想

  • 残差学习:引入了残差块(Residual Block)的概念,其核心是通过捷径连接(Shortcut Connection)将输入直接加到输出上,使得网络可以学习到输入与输出之间的残差。即不是直接学习目标函数 (H(x)),而是学习残...

Read more

扫雷宝-扫描项-Stock


一级分类 二级分类 具体项
基本面 - 面值退市、成交量退市、市值退市、审计意见异常、财务退市、私有化退市、未披露财报退市、股东户数退市、业绩、资金、商誉、应收、偿债、经营、主营业务、盈利能力、存货、不良贷款率(银行)、减持计划、社保基金减持、QFII基金减持、险资减持、公募基金减持、限售解禁、高管异常变动、质押
公告披露 - ST、产能、平仓、仲裁、灾害事故、监管处罚、资产减值、重组终止、立案调查
行情交易 - 北向资金流出、融资融券、历史波动率、换手率、交易龙虎榜、大宗交易、股价创新低
分析师评估 - 下调盈利预测、评级下调、下调目标价、评级减持
- 生...

Read more

中国量化机构的综合分析


以下是对中国量化机构的综合分析:

发展历程

  • 中国量化投资行业起步相对较晚,早期主要是一些海外归来的专业人士将量化投资理念和技术带回国内,并逐渐成立了相关的量化机构.
  • 2010年股指期货的推出为量化投资提供了重要的对冲工具,加速了量化机构的发展.
  • 2013年至2015年期间,随着金融市场的不断发展和完善,以及计算机技术、数据处理能力的提升,越来越多的量化机构涌现,管理规模也逐渐扩大.
  • 2017年至2023年,量化私募迎来快速发展,特别是2019年至2023年期间,量化私募行业规模呈现爆发式增长,据中信证券统计,2023年末国内股票量化私募管理人的资产规模达到1.21万亿元.

现状

  • 规...

Read more