保证金余额和追加额的计算 有一家基金公司在2019年1月2日购买了3000万元的沪深300指数基金，当时沪深300指数恰好为3000点，该公司想运用在2019年3月到期的沪深300指数期货IF1903进行空头套保。假定国内一家期货公司提供的沪深300股指期货初始保证金比率是15%，维持保证金为400万，根据沪深300股指期货结算价数据列出该基金公司2019年1月2日至2月28日的保证金账户余额变
转载
2024-07-20 20:55:59
16阅读
时间序列分析相关概念一、用python生成时间序列1.几种常见的时间序列2.data_range()函数—创建时间序列3.truncate()过滤函数4.时间戳可以转化为时间周期二、数据重采样三、pandas滑动窗口1.制作pandas滑动窗口2.数据可视化四、数据平稳性与差分法1.平稳性2.差分法五、ARIMA模型1.ARIMA(p，d，q)模型2.ARIMA(p，d，q)阶数确定3.ARIMA
转载
2023-08-17 16:19:24
242阅读
# 径向基函数网络（RBFN）与人口预测
人口预测是一个广泛应用于社会科学、城市规划、经济分析等领域的重要任务。如何准确地预测未来的人口变化趋势，成为了各地政府和机构所关注的焦点。传统的线性回归方法在处理复杂的数据时往往存在一定的局限性，而径向基函数网络（Radial Basis Function Network, RBFN）作为一种强大的非线性模型，能够提供更多的灵活性与准确性。本文将介绍RB
# 基差表如何用Python画
在金融市场中，基差（Basis）是期货价格与现货价格之间的差异。监测和分析基差的变化能够帮助投资者更好地理解市场动态，并作出更合理的交易决策。在这篇文章中，我们将通过 Python 来创建一个基差表，并展示如何用可视化的方法帮助更好地理解数据。
## 实际问题
设想我们是一家农产品交易公司，主要经营小麦的现货交易和期货交易。我们需要实时监测小麦的现货价格和期
of similar securities. Basis trading relates to a trading strategy in which a trader believes
原创
2023-07-02 17:44:53
147阅读
大家好，我是老孙苹果今年首次推出5G手机，iPhone12系列产品被寄予厚望，然而发布之后各种小问题不断，尤其是信号问题再次引发关注，采用高基带iPhone12信号依旧不佳。苹果方面表示，信号问题要归咎于高通基带，未来推出自研基带就会解决问题，这种说法遭到专业人士打脸。 据IT时报报道，国内某运营商针对iPhone12进行网络测试，结果发现在iPhone12掉线的地方并没有发现网络异常
转载
2023-09-01 10:24:42
47阅读
# Python 残差修正灰色预测实现指南
在进行时间序列预测时，灰色预测方法因其简单有效而广泛应用于各个领域。而在一些情况下，单独使用灰色预测可能无法完全捕捉数据中的特征，因此我们引入“残差修正”这一概念，通过残差来修正预测结果。下面将为刚入行的小白详细介绍如何使用Python实现残差修正的灰色预测。
## 流程概述
整个流程大致分为以下几步：
| 步骤 | 描述 |
|------|-
今天给大家分享一个综合了数据采集、处理、分析、可视化、接口调用等技术点的项目。一、说点东西 老早就想搞个基金监控机器人了，方便自己查看自己关注基金的各种指数涨跌情况，及时进行止损或者止盈，今天我们先建楼基，手把手带大家实现一个基金查询机器人，目前主要可以查询基金指定日期段数据和查看基金净值走势图，后面慢慢新增功能。 二、开始动手动脑 2.1 环境准备Linux、Mac、Windows 都可以py
转载
2023-11-14 18:20:03
26阅读
残差网络模型 残差网络（Residual Network，ResNet)是在神经网络模型中给非线性层增加直连边的方式来缓解梯度消失问题，从而使训练深度神经网络变得更加容易 # 使用了六个模块
# 1）模块一: 包含一个步长为2、大小为7×7的卷积层, 卷积层的输出通道数为64, 卷积层的输出经过批量规范化
转载
2024-08-05 17:19:31
45阅读
应用背景：我们知道，在使用BP神经网络时，由于其采用负梯度下降法对权值进行调节而具有收敛速度慢和容易陷入局部最小值等缺点，为了克服这些缺点，人们提出了径向基神经网络（Radial Basis Function Neural Network）。基本原理：径向基神经网络由三层构成，即输入层、隐含层、输出层。如下图所示 &nbs
转载
2023-10-17 23:48:36
63阅读
概念
灰色系统是相对于黑色系统和白色系统而言的。
黑色系统：一个系统的内部信息对外界来说是一无所知的，只能通过他与外界的联系来加以观测研究。灰色系统：一部分信息是已知的，另一部分信息是未知的，系统内各因素之间具有不确定关系。其特点是‘少数据建模’，着重研究‘外延明确，内涵不明确’的对象。灰色系统具有相对性与广泛性。指系统对于不同对象的灰度不一样。作为实际问题，灰色系统在大千世界中是大量存
转载
2024-07-11 06:04:37
36阅读
# 离散二阶差分法在Python中的应用
在时间序列分析中，差分法是一种重要的工具，它可以帮助我们消除数据中的趋势性，使得结果更具预测性。本文将介绍离散二阶差分法，并提供相应的Python实现代码，帮助读者理解这一方法。
## 一、什么是离散二阶差分法？
离散二阶差分法是一种通过对数据进行两次差分来消除趋势的方法。通过对时间序列数据进行二阶差分，可以获得该序列的加速度以及更高阶的变化趋势。二
在这篇博文中，我将与大家分享如何使用 Python 基于临近预测方法求测试误差的过程。这个过程涵盖了环境预检、部署架构、安装过程、依赖管理、故障排查以及扩展部署等多个环节。
## 环境预检
在准备工作之前，我首先进行了一次环境预检，确保我的开发环境能够兼容我所选择的工具和库。以下是我使用的四象限图，方便观察不同库和工具间的兼容性：
```mermaid
quadrantChart
t
图片演示：3.算法原理：该博客提出的移动侦测即是根据视频每帧或者几帧之间像素的差异，对差异值设置阈值，筛选大于阈值的像素点，做掩模图即可选出视频中存在变化的桢。帧差法较为简单的视频中物体移动侦测，帧差法分为：单帧差、两桢差、和三桢差。随着帧数的增加是防止检测结果的重影。差
转载
2024-01-30 05:40:20
90阅读
最近在写文档，突然想自己实现一下k近邻算法，随手编写的，可能不太严谨，仅供大家参考。k近邻(k-Nearest Neighbor)算法，简称kNN，可能是最简单也最好理解的监督学习方法了。其工作机制为：给定测试样本，基于某种距离度量找出训练集中与其最靠近的k个训练样本，然后基于这k个‘近邻’的信息来进行测试样本的预测。这是一种很朴素的分类思维，事物属于哪一类，只要看它在种群集合中所处的位置。和它在
就是经济学上的基尼系数的那个概念以下部分内容引自百度百科 基尼系数（英文：Gini index、Gini Coefficient）是指国际上通用的、用以衡量一个国家或地区居民收入差距的常用指标。 基尼系数最大为“1”，最小等于“0”。基尼系数越接近0表明收入分配越是趋向平等。国际惯例把0.2以下视为收入绝对平均，0.2-0.3视为收入比较平均；0.3-0.4视为收入相对合理；0.4-0.5视为收入
转载
2024-04-17 09:44:19
19阅读
作者：量化哥-优矿Uqer
基于小波变换的时间序列预测 本文的主题是考察小波变换在预测方面的应用。
思路将数据序列进行小波分解，每一层分解的结果是上次分解得到的低频信号再分解成低频和高频两个部分。如此进过N层分解后源信号X被分解为：X = D1 + D2 + ... + DN + AN 其中D1,D2,...,DN分别为第一层、第二层到等N层分解得到的高频信号，AN为第N层分解
转载
2023-08-21 19:41:54
14阅读
如果一个交易者不想成为市场中的韭菜，那么就一定要学会独立思考和深入思考。独立思考让你避免随波逐流，深入思考能够让你推陈出新。不思考的交易者看了我的专栏之后，只记住了“库存+基差+利润+技术”的交易法则，至于为什么，他并没
转载
2019-12-19 16:00:00
591阅读
2评论
1985年，Powell提出了多变量插值的径向基函数（RBF）方法。1988年Moody和Darken提出了一种神经网络结构，即RBF神经网络，属于前向神经网络类型，它能够以任意精度逼近任意连续函数，特别适合于解决分类问题。RBF网络的结构与多层前向网络类似，它是一种三层前向网络。输入层由信号源结点组成，第二层为隐含层，隐单元数视所描述问题的需要而定，隐单元的变换函数是RBF，它是对中心点径向对称
转载
2023-12-02 22:01:44
83阅读
# 复原Python差分后预测的结果
在时间序列分析中，差分是一种用来消除序列非稳定性的技术。差分即是当前时刻的值与前一时刻的值之间的差值。在预测时，我们通常会对时间序列进行差分处理，然后使用模型进行预测。但是预测结果是差分后的值，需要将其复原为原始数据。
以下是复原Python差分后预测的结果的具体步骤：
## 1. 差分处理
首先，我们需要对时间序列数据进行差分处理。假设我们有一个时间
原创
2024-02-27 05:08:22
358阅读
