作者文章归档:course

全面解析时间序列分析与预测-v01


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

产业链全景图-Stock


产业链全景图通过可视化的方式,全面呈现一个产业从上游到下游的各个环节,帮助你快速把握产业全貌。目前,这类资源主要通过政府机构发布的产业地图商业数据平台的专业工具以及行业研究机构等渠道获取。

下面这个表格整理了获取产业链全景图的主要渠道和特点,你可以根据自己的需求来选择。

渠道类型 主要特点 代表性资源/平台
政府机构发布 权威性高,侧重于区域产业布局、发展规划与招商引资,适合宏观政策研究和投资选址。 天津市生产力地图、泰州市产业链创新图谱、工信部行业数字化转型指引
商业数据平台 数据颗粒度细,覆盖上市公司和供应链关系,动态更新,适合详细的竞品分析、市场研究和投资决策。...

Read more

2025-10-ONE-Tasks-目标与计划


目标

  • 统计预测准确率-页面展示过去30天,预测值与真实值的-两条价格曲线
  • 任务全景-检测页面-查看数据质量与完整性-
  • 增加新功能-日线预测能够预测未来两天的收盘价
  • 增加新功能-5分钟预测能够预测未来两天的5分钟行情数据
  • 增加市值 换手率 等
  • 选股流水线完整梳理
  • 训练基于换手率 + 波动率 的预测模型

2025-10-20--26

作业平台

  • 任务全自动化

分析平台

  • 预测准确率

2025-09-15-21

预测平台

DATA 平台

Read more

股票价格-前复权、不复权、后复权


要理解股票价格的前复权、不复权、后复权,首先需要明确核心前提——除权除息:股票会因分红(现金分红)、送股/转增股等行为导致股价“跳空下跌”(如10送10后股价腰斩),这种跳空会割裂K线走势的连贯性。复权的本质就是消除除权除息的影响,让股价走势回归“真实趋势”;而不复权则保留了实际交易价格的原貌。

一、核心定义:三者的本质区别

三者的核心差异在于复权基准点不同(以哪个时间点的价格为“真实价格”,调整其他时间点的价格),进而导致股价数值、K线形态和应用场景完全不同。

1. 不复权(No Adjustment)

  • 定义:直接显示股票实际交易的价格,不处理任何除权除息行为。
  • 关键特征
  • K线图会...

Read more

青果-短效代理IP-企业代理IP云服务-动态代理


1. 一段话总结

青果自营的短效代理IP基于拨号VPS构建,部署全国200+城市与地区,日去重IP超200W+、日流水IP超400万,IP存活时长覆盖1-30分钟且多种可选;支持4种提取方式(弹性、按量、均匀、通道)与2种授权方式(帐密、白名单,白名单免费鉴权达256个),除按量提取外提供6小时免费试用,全协议支持(HTTP/HTTPS/SOCKS5)且毫秒级切换IP;热销套餐涵盖月付、季付、年付及按量套餐,价格0-3000元不等,多数套餐带宽峰值限制2Mbps、不限制终端数,平均成功率99.9%,适用于APP大数据分析、跨境选品、舆情监测、原创版权保护等场景,还配套产品说明、提取工具等...

Read more

2025-09-ONE-Tasks-目标与计划


目标

  • 日线页面添加新功能-可以选择 预测上涨的区间 筛选器 - 选择自动获取数据的自动规则
  • 增加新功能-日线预测能够预测未来两天的收盘价
  • 增加新功能-5分钟预测能够预测未来两天的5分钟行情数据
  • 增加市值 换手率 等
  • bsstock日线数据的接入
  • 训练基于换手率 + 波动率 的预测模型

2025-09-15-21

预测平台

DATA 平台

Read more

神经网络与机器学习-books


导言

Rosenblatt 感知器

回归建模

最小均方算法

多层感知器

核方法和径向基函数网络

支持向量机

主成分分析

自组织映射

信息论学习模型

源于统计力学的随机方法

动态规划

神经动力学

动态系统状态估计的贝叶斯滤波

动态驱动递归网络

Read more

统计学习要素-机器学习中的数据挖掘,推断与预测-Books


概述

监督学习概述

回归的线性方法

分类的线性方法

基展开与正则化方法

核平滑方法

模型的评估和选择

模型的推断和平均

加性模型,树和相关方法

Boosting 和加性树

神经网络

支持向量机与柔性判别分析

原型方法与最近邻

非监督学习

随机森林

集成学习

无向图模型

高维问题

Read more

精通特征工程-Feature Engineering For Machine Learning-Books


机器学习的流程

简单而又奇妙的数值

文本数据: 扁平化,过滤和分块

特征缩放的效果:从词袋到tf-idf

分类变量:自动化时代的数据计数

数据降维:使用PCA 挤压数据

非线性特征话与k-均值模型堆叠

自动特征生成:图像特征提取和深度学习

回到特征:建立学术论文推荐器

附录A: 线性建模与线性代数基础

Read more