首页
学习
活动
专区
工具
TVP
发布
精选内容/技术社群/优惠产品,尽在小程序
立即前往
  • 您找到你想要的搜索结果了吗?
    是的
    没有找到

    一本顶流著作和一次匠心翻译!《机器学习与资产定价》重磅上市!

    👆点击“博文视点Broadview”,获取更多书讯 “在如今的大数据时代,至今还完全没有使用过任何机器学习技术的头部量化对冲基金几乎不存在了。事实上,机器学习的相关人才在金融相关的就业市场上早已趋之若鹜。” 自20世纪50年代以来,资产定价在金融领域已经成为一个理论和实践紧密联系、相互交融的典型代表。 而擅长处理高维问题和非线性关系等高度复杂性系统的机器学习方法无疑又为资产定价领域注入了鲜活的血液。 二者的结合也在悄然改变资本市场的策略和逻辑:更具吸引力、成本优势、竞争关键优势。 机器学习与资产定价如何

    02

    AI时代就业指南:数学专业,你看不见的前尘似锦

    数学专业,在大众化的眼光看来,毕业后的就业前景无非是当老师或者搞科研,这个专业似乎太古板且就业道路狭窄。然而,在AI时代,这些都是偏见,数学专业毕业生早已是互联网、金融界、IT界、科研界的“香饽饽”,数学专业的就业前景有你看不见的“前途似锦”! 数学专业的划分主要如下: 专业 基础数学(应用数学)概率论与数理统计(概率与统计精算)数学工程的科学与工程计算系专业概况数学系一般开设基础数学、应用数学两专业,而这两个专业方向基本是相通的,都是为培养数学和其他高科技复合型人才打下基础。基础数学学科较多地涉及:代

    010

    机器学习-16:MachineLN之感知机源码

    其实很多东西还是要靠自己,靠自己去完成最大的一点就是远离舒适区,试想一下自己每时每刻都要为下一顿能不能吃上饭而奋斗,是一种什么样的体验,估计你连想都不敢想;最近又听到说下岗的问题,有一个人说他除了收钱什么都不会,有时候也要多培养点自己的能力,做好一项,其他的也了解(当然也不了太多),多给自己备好能力,远离舒适区,但无论在哪里都有这么一批人,那你考虑过没有公司万一不景气,第一个下岗的会是谁?下岗了又可以迅速跨到别的领域的又是谁?我做不到这一点,但我在加油,要永远记住:公司不养闲人!比你优秀的人比你还努力,你还好意思说你不会?不会可以学啊,不学永远不会,哈哈,言辞过激了吗,也不知道咋地,最近着魔了吧!!!

    02

    计量经济学软件EViews最新中文版,EViews软件2023安装教程下载 EViews下载

    EViews是一个非常强大的时间序列软件包,具有易用性和高度定制化的特点。它适用于处理时间序列、横截面或纵向数据,不仅适用于经济学领域,而且适用于任何需要进行数据分析和模拟的领域。借助EViews,您可以轻松管理数据,进行计量经济学和统计分析,生成预测或模型模拟,并创建高质量的图形和表格以供发布或嵌入其他应用程序中。EViews拥有直观的用户界面和强大的分析引擎,将现代软件技术的最佳优势与您所需的功能融合在一起。无论您是专业人士还是学生,EViews都可以满足您的需求,并为您带来前所未有的灵活性和易用性。

    03

    给计算机专业大一新生的一些学习规划建议

    (零) 每个时代都会悄悄犒赏努力学习的人。 没有人生来就是主角,所有主角都是从龙套开始,一步一步脚印,把自己的路走出万丈光芒。 不少人在高中时候,尤其是高三的时候,会听老师说:高中是最辛苦的,辛苦了这阵,等考上了大学,想怎么玩就怎么玩! 这只是善意的谎言,不要当真。 假如你考上的是重点院校,你会发现很多人都在奋发学习,在这种氛围下你需要努力学习,才不会落后于你身边的同学。 假如你考上很普通的学校,会发现确实有很多人在玩。因为学校本来就普通,你更需要努力学习。 有些大一新生刚开始,可能在学习上会感到很不习

    06

    量化交易入门——数学模型应用于投机交易

    摘自“千帆竞发”的新浪博客 金融数学,又称数理金融学,是利用数学工具研究金融现象,通过数学模型进行定量分析,以求找到金融活动中潜在的规律,并用以指导实践。金融数学是现代数学与计算机技术在金融领域中的结合应用。目前,金融数学发展很快,是目前十分活跃的前言学科之一。 金融数学的发展曾两次引发了“华尔街革命”(但都是以错误假设为基础的错误革命,尤其是后者激发了杠杆投机行为)。上个世纪50年代初期,马克维茨提出证券投资组合理论,第一次明确地用数学工具给出了在一定风险水平下按不同比例投资多种证券,收益可能最大的投资方

    04

    LLMs大模型在金融投资领域的15个具体应用场景

    传统的股票时间序列预测主要依赖统计和计量经济学方法,如自回归滑动平均模型(ARMA-GARCH)、向量自回归模型(VAR)、状态空间模型、扩散模型和误差修正向量模型(VECM)。这些模型通过识别金融系列中的模式和波动性,对市场进行分析和预测。随着机器学习的发展,决策树、支持向量机(SVM)等方法逐渐受到重视。近年来,深度学习技术如循环神经网络(RNN)、卷积神经网络(CNN)和Transformer模型的应用显著提升了股票时间序列预测的精度和效率。GPT-3、GPT-4和LLaMA等大型语言模型在解析复杂数据关系方面表现出色,推动了时间序列数据转化为文本序列的创新。

    01
    领券