【置顶】stackStorm架构图
评论
402 views
作者文章归档：course
【置顶】2025-04-DATA-ONE-Tasks-目标与计划
评论
179 views
目标
- aktools + mongodb + ariflow + DAGS-files -》 自动下载A股行情数据
- 增加读取A股行情数据的自定义A PI 接口
- 修改 ONE 的前后端适配 自定义API 接口
2025-04-21-27 DATA 平台
- 并发更新写入所有股票的数据
2025-04-24
从mongodb http://192.168.3.3:8081/db/src_db/ak_stock_info 数据为src_db 集合为ak_stock_info 取出所有 code 进行去重，返回列表 ， 并把这些codes 放入redis 的消息队列中，消息队列的地址为 ...
【置顶】ONE-2025-目标计划-TodoList
评论
294 views
- ONE 静态官网
- ONE 每月一个版本
- 交易策略
- 预测引擎
| 月份 | 目标 | 开发计划 |
|---|---|---|
| 一月 | 1. 完成金融市场趋势分析模型的基础框架搭建 2. 与至少 10 个新的高净值客户建立初步联系 |
1. 第一周：收集整理过去 5 年金融市场的关键数据，包括股票、债券、基金等各类资产的价格走势、成交量等信息 2. 第二周：运用数据挖掘算法初步筛选出对市场趋势有显著影响的指标，并开始构建模型框架 3. 第三周：参加高净值客户社交活动，通过演讲、交流等方式介绍金融服务理念，收集潜在客户信息 4. 第四周：对收集到的潜在客户信息进行整理分析，制定个性化的初步沟通方案 |
| 二月 | 1. 优化金融市场趋势... |
【置顶】架构规划-全景图-ONE
评论
243 views
【置顶】FinRobot-架构图
评论
322 views
【置顶】StackStorm-开源的自动化平台
评论
643 views
- 定义与概述
-
StackStorm是一个开源的自动化平台，用于事件驱动的自动化操作。它能够将各种系统、工具和服务集成在一起，通过自动化流程来响应事件，从而提高系统的运维效率、可靠性和敏捷性。例如，在一个复杂的云计算环境中，当监测到某个虚拟机的CPU使用率过高时，StackStorm可以自动触发一系列操作，如扩展虚拟机资源或者迁移虚拟机到其他主机。
-
核心组件与架构
- 传感器（Sensors）：这是StackStorm的输入部分，用于检测事件。传感器可以监控各种来源的事件，如系统日志、消息队列、网络设备的SNMP陷阱等。例如，一个文件系统传感器可以监控文件系统的变化，如文件的创建、修改...
【置顶】FinRobot-金融应用的开源 AI 智能体平台
评论
383 views
FinRobot 是一个人工智能代理平台，它超越了 FinGPT 的范畴，是为金融应用精心设计的全面解决方案。它集成了多种多样的人工智能技术，不仅仅局限于语言模型。这种广阔的视野凸显了该平台的多功能性和适应性，能够满足金融行业多方面的需求。
FinRobot 是一个专注于金融应用的开源 AI 智能体平台，由 AI4Finance 基金会开发。它通过结合大语言模型（如 GPT-4）和多种金融工具，提供一系列功能，主要用于股票分析、市场预测、财务报表解读和报告生成。以下是一些核心特点和功能：
核心功能：
- 市场预测代理：输入公司代码、财务数据和新闻，预测股价走势并提供简要分析。
- 财务分析师代...
提示词-ONE
评论
4 views
数据库地址 192.168.3.3 端口 27017 数据库名 stock_database 集合名 为 predictPriceFiveMinuteSum
写一个函数，参数为 日期 格式 2025-08-26 匹配集合predictPriceFiveMinuteSum中的 date字段 返回所有满足条件的记录，所有字段都要
数据库地址 192.168.3.3 端口 27017 数据库名 src_db 集合名 为 stockDailyHist
匹配字段 股票代码 日期
返回值为 股票代码 日期 收盘
实现功能 查询某只股票某日的收盘价 写有个函数
TimeXer：融合外部变量的时间序列预测新范式
评论
10 views
TimeXer：融合外部变量的时间序列预测新范式
TimeXer 是清华大学研究团队在2024年提出的一种创新型时间序列预测模型，它专门设计用于有效融合外生变量（外部因素） 来提升对目标序列（内生变量）的预测精度。该模型基于经典的Transformer架构，通过巧妙的嵌入策略和注意力机制调整，使其能够同时捕捉时间序列的内在模式和外部因素的影响。
核心设计与原理
TimeXer 的核心创新在于其差异化的嵌入策略和双注意力机制，解决了传统方法在处理外生变量时面临的挑战。
-
差异化的嵌入策略
- 内生变量嵌入：采用分块（Patching）策略（将时间序列分割为不重叠的片段，每个片段视为一个 t...
洞察市场的脉搏：动态条件相关模型（DCC）深度解析
评论
9 views
洞察市场的脉搏：动态条件相关模型（DCC）深度解析
在金融市场的波澜诡谲中，资产之间的关系绝非一成不变。牛市时，股票齐涨，相关性增强；危机中，所有资产似乎都同步下跌，相关性骤然飙升；而在平静期，它们又可能各自为政。这种如同“情绪”般不断变化的关联性，是风险管理的核心，也是传统模型无法捕捉的盲区。而动态条件相关模型（Dynamic Conditional Correlation, DCC）正是为了洞察这一“市场脉搏”而诞生的强大工具。
一、 核心思想：从“静态”到“动态”的革命
在DCC模型出现之前，分析多种资产风险的主流方法是使用常相关假设，比如经典的资本资产定价模型（CAPM）或风险矩...