登录社区云，与社区用户共同成长
邀请您加入社区
作为一名对量化投资感兴趣的读者，你是否想过如何将机器学习技术应用于金融数据预测？本文将带你深入了解从经典的逻辑回归到强大的XGBoost算法在量化投资中的实际应用。我们将探讨这些算法如何帮助构建有效的评分预测模型，并通过实例展示如何利用这些技术提升预测的准确性和稳定性。无论你是初学者还是进阶读者，这篇文章都将为你提供实用的发文思路和快速上手的技巧。在当今这个数据爆炸的时代，已经成为量化投资中不可或
本文介绍了两种经典回溯算法的应用：数独求解和单词搜索。对于数独问题，通过三张状态表（行、列、宫）进行强剪枝，结合回溯法高效求解。单词搜索则采用DFS回溯策略，通过访问标记避免重复使用格子，按顺序匹配单词字符。最后总结了回溯算法的三种模板：位置驱动型（如单词搜索）、选择驱动型（如全排列）和二叉决策型（如子集生成），并分析了各自的特点和应用场景。两种算法的时间复杂度在最坏情况下均为指数级，但通过剪枝和
研究根据基分类器预测结果对客户进行风险评级，并将信贷客户细分为不同类别，如最高违约风险类客户、目标客户、最易误分的非履约类客户等。（2）解决数据不均衡问题的违约风险评估 针对信贷数据中存在的严重数据不均衡问题，研究提出了融合样本关注度矩阵的随机森林提升算法（FOMBRF）。（3）信贷数据对象-属性空间划分的信贷客户特征研究 针对信贷数据高维且包含信息混杂的问题，研究基于业务理解进行数据理解，提出了
2. CVaR模型（Conditional Value at Risk）：类似于VaR模型，但是CVaR模型对风险的量化更加准确。4. APT模型（Arbitrage Pricing Theory）：类似于CAPM模型，但是APT模型考虑多个因素对资产收益的影响，如利率变动、通胀预期等。1. VaR模型（Value at Risk）：用于衡量投资组合的市场风险。该模型通过计算在一定置信水平下的损失
项目实战-交易数据异常检测import pandas as pdimport matplotlib.pyplot as pltimport numpy as np%matplotlib inlinedata = pd.read_csv("creditcard.csv")data.head()# value_counts计算当前数据的某一列有多少个不同的属性值count_classes = pd.v
