拟牛顿法牛顿法具有不错的收敛性，但是每一次迭代需要计算此处的Hessian，这个计算代价是十分昂贵的，拟牛顿法就是用估计替代Hessian矩阵，使计算量大量减少。DFP假设现在已经来到了迭代点\(x_{k+1}\),这个点建立一个二次模型\[m_{k+1}(p) = f_{k+1} + \nabla f_{k+1}^T p+\frac{1}{2}p^T B_{k+1} p\]现在\(B\)是未知的
转载
2024-09-03 12:28:49
21阅读
目录实践中的 Heston 模型之随机模拟引言四种模拟策略Euler 离散策略精准模拟近似分布对数正态近似截断正态近似（TG 形式）和二次正态近似（QE 形式）鞅修正GammaQE 和双 Gamma 形式混合模式参考文献实践中的 Heston 模型之随机模拟引言对于随机波动率驱动的资产价格过程，\[\begin{align}
dS &= (r-q)Sdt + \sqrt{v}S\left[
转载
2023-07-30 20:06:02
155阅读
1973年BS期权定价模型的诞生标志着期权定价进入精确的数量化测度阶段。但是BS模型假设标的资产波动率为常数，这与现实市场观测到的“波动率微笑”曲线严重不符。 heston假设标的资产的价格服从如下过程，其中波动率为时变函数[1]： 并且求出了欧式看涨期权定价公式[2]： 本文使用python实现了上述定价公式。该公式需要输入一共九个参数，其中[v0,kappa,theta,sigma,rho]
转载
2024-09-14 09:43:30
56阅读
一、问题求解的计算之道基于有穷观点的能行方法：由有限数量的明确有限指令构成指令执行在有限步骤后终止指令每次执行都总能得到唯一结果原则上可以由人单独采用纸笔完成，而不依靠其它辅助每条指令可以机械地被精确执行，而不需要智慧和灵感关于计算的数学模型：哥德尔和克莱尼的递归函数模型丘奇的Lambda演算模型波斯特的Post机模型图灵的图灵机模型注：研究证明，上述几个“基于有穷观点的能行方法”的计算模型，全都
转载
2024-10-21 13:56:08
31阅读
新手阶段：经验是促进思维改变的事物，一年的经验重复9次，不算经验新手需要的是与情境无关的指令清单规则只能让你启程，不能让你走得更远 高级新手：高级新手能够开始摆脱固定的规则，在正确的情境中采纳建议，但比较吃力能够开始形成一些总体原则，但没有全面的理解 胜任者：胜任者能建立问题域的概念模型，可以独立解决自己遇到的问题，并开始寻求和运用专家的意见不是下意识反应，胜任者会探寻和解决问
在学习统计学贾书的过程，在第6—14章节出有许多需要理解与记忆的公式和概念，在此通过博客的形式做一次梳理，主要内容为统计学中抽样分布、假设检验、参数估计、分类数据分析、方差分析、一元二元线性分析、时间序列分析、指数的理论知识，不足之处望多多指正。参数估计的一般问题点估计与区间估计 (1)点估计定义：用样本的估计量的某个取值直接作为总体参数的估计值（如用样本均值直接作为总体均值的估计；用两个样本均值
目录随机森林回归算法的介绍随机森林回归算法的Python示例与解释总结随机森林回归算法的介绍随机森林是一种集成学习方法，用于解决分类和回归问题。它结合了多个决策树模型的预测结果，通过集体决策来提高整体性能和减少过拟合。随机森林适用于各种数据类型，并且在许多应用领域都表现出色。下面是随机森林回归模型算法的详细解释：1. 决策树（Decision Trees）： 随机森林的基本组成单元是决策树。决策树
转载
2024-06-03 20:04:27
150阅读
给定模型与参数，我们就能对样本空间进行描述。大家很自然地会问，这个描述是不是最不好的呢？我们用什么评价标准判断这个描述的好坏呢？这篇博客将一起探讨这个问题。在统计学中，根据从总体中抽取的随机样本来估计模型未知参数的过程被称为参数估计（parameter estimation）。 常用的参数估计方法有：最小二乘估计，最大似然估计和最大后验估计，其中最小二乘估计用于函数模型的参数估计，最大似然估计和最
转载
2024-09-25 09:05:55
190阅读
看书之前对加密算法是有基本概念了解的。通过学习有了更加的了解，把自己get的点记录一下，其中代码部分没有逐行学习。分组加密算法和流加密算法加密算法分为两种：分组加密和流加密。分组是基于block进行操作，根据算法不同，每个分组的长度可能不同，代表算法DES，3DES，AES。IDEA，流加密是每次处理一个字节，秘钥是独立于消息之外的，通过异或实现加密和解密。代码算分RC4，SEAL流秘钥攻击&nb
转载
2024-07-08 07:22:09
17阅读
关于常用的操作nginx结束所有服务taskkill /fi "imagename eq nginx.exe" /f>ipconfig/all 查看本机ip如果要同时删除本地的和github上的文件，直接删除本地的再push就行了，比较简单。这里的要求是不能删除本地的文件，而要删除github里，就是网页上的文件，实质上删除缓冲区文件，再次提交服务器若线上已提交：进入项目根目录
git rm
这节内容主要是关于理论定价模型。1、what a option trader concerns about market?在期货交易中，如果你对市场的方向足够敏感，那么就可以在它上涨前做多，在它下跌前做空；而在期权交易中，单单预测市场的方向是不够的，还需要感受市场变化的速度。 如果对同一个标的物进行做多操作，当市场行情的确上涨了，那么多头期货持有者必然是获利的，而多头期权的持有者并不一定获利，因为
转载
2024-08-19 19:52:50
95阅读
随机森林（Random Forest）是一种集成学习方法，主要用于分类和回归任务。它是由多个决策树组成的模型，通过集成这些决策树的预测结果来提高模型的准确性和稳定性。
原创
2024-07-28 12:40:54
132阅读
## Redis哨兵是随机的吗
在使用Redis作为分布式缓存或数据库时，我们常常会遇到需要保证高可用性的需求。Redis哨兵是一种用于监控和管理Redis集群的工具，它可以自动发现集群中的主节点和从节点，并在主节点宕机时自动选择一个从节点转变为主节点，以保证集群的高可用性。
那么，Redis哨兵在选择从节点转变为主节点时是随机的吗？我们来一起探讨一下。
### Redis哨兵的工作原理
原创
2024-02-12 05:52:28
30阅读
文章目录集成算法概述sklearn中的集成算法模块RandomForestClassifier重要参数&&随机森林的分类器控制基评估器的参数n_estimatorssklearn建模流程复习交叉验证我们进行10次交叉验证，观察随机森林和决策树的效果n_estimators学习曲线bootstrap & oob_score随机森林回归器随机森林回归填补缺失值案例机器学习中调
转载
2024-07-12 11:32:09
31阅读
标题IntroductionProposed ApproachGraph ConstructionProduct Query Classification (PQC)Product Title Classification (PTC)Experiments and ResultsImpact of Incorporating Auxiliary GraphsRobustness comparis
基本原理：根据多因素模型中各自变量的偏回归系数的大小，给每个自变量进行赋分，然后将各个自变量评分相加得到总评分，根据总评分估计出个体结局事件的预测情况。列线图包括三个部分：用于预测模型的自变量：线段长短表示对因变量的贡献自变量相应的得分：列线图最上方的points表示每个自变量取不同值时对应的得分。总得分连续型资料load("prostate.Rdata")
prostate$svi<-fa
转载
2024-06-11 17:01:37
540阅读
# Pytorch模型初始化：权重随机赋值的实现
在深度学习中，模型的初始权重对于训练过程和最终的模型效果至关重要。使用PyTorch进行模型权重的初始化时，随机赋值是一种常见的方法。本文将通过详细的步骤来教会你如何实现权重的随机初始化，同时提供代码示例和解释。
## 整体流程
我们将遵循以下步骤来初始化PyTorch模型的权重：
| 步骤 | 描述 |
|------|---------
原创
2024-10-11 04:42:09
110阅读
动性变化。它试图通
转载
2023-05-13 22:14:21
209阅读
在本文中，我将向您展示如何模拟股票价格的Heston随机波动率模型。Heston模型是是一种期权估值方法，它考虑到同一资产在给定时间交易的不同期权的波动性变化。它试图通过使用随机过程来模拟波动率和利率来重新创建市场定价。Heston模型的特点是将波动率函数的平方根包含在整个定价函数中。
原创
2021-05-12 14:13:33
1435阅读
一、HMM中的第三个基本问题O=O1O2…OT，如何调节模型μ=(A,B,π)的参数，使得P(O|μ)最大化： argmaxμP(Otraining|μ) 模型的参数是指构成
μ的
πi,aij,bj(k)。本文的前序两节讲的EM算法就是为了解决模型参数的最大化问题。其基本思想是，初始时随机地给模型参数赋值，该赋值遵循模型对参数的限制，例如，从某一状态出发的所有转移概率之和为1.给模型
转载
2024-05-30 09:25:27
96阅读
