神经网络标签_量化交易与投资社区

神经网络

利用BP神经网络精准预测轮胎侧向力：结合Carsim数据与Simulink模块实时分析

利用BP神经网络来预测不同工况下的轮胎侧向力，从carsim中获得数据，利用BP神经网络训练得到轮胎侧向力估计模型。2、利用BP神经网络对从carsim中获得的轮胎数据进行训练获得精准的神经网络模型，并生成simulink模块。图为108km h下的单移线轨迹跟踪效果，侧向力估计效果，以及BP神经网络的预测误差，轮胎侧向力预测效果还不错。3、将生成的simulink模块和LQR控制器结合，实时估计

 CJtzOFiVKS
2024-10-17 21:36:10

 231

 3

#神经网络 #人工智能 #深度学习
模型结构轻量化设计

传统 NAS 仅优化精度，FBNet 加入 “硬件延迟模型”（如手机 GPU 计算延迟），搜索过程中同时约束参数量和延迟，生成的模型在 iPhone 上比 MobileNet V2 快 2 倍，精度相当。：ShuffleNet 引入 “通道混洗（Channel Shuffle）”，卷积后将不同组的通道打乱重组，解决分组导致的 “通道隔离” 问题，保证跨组信息流通。用 “步长 = 2 的 3 × 3

易变136
2025-09-29 05:08:05

 757

 6

#深度学习 #cnn #神经网络
LoRA微调Qwen2.5：轻量化大模型实战

随着Qwen等大模型的开源，基于通用大模型进行场景化领域微调的门槛显著降低。这一趋势使得大模型在传统开发项目中的落地应用变得更加便捷，同时能大幅提升项目能力、简化开发流程，并使原本难以实现的业务逻辑成为可能。本文将以"根据精简地址补齐完整五级行政区"这一具体场景为例，详细介绍如何使用LoRA微调QWen2.5-0.5B，使其在地址补齐任务上达到15B甚至32B大模型的水平。

HansomJin
2025-06-01 22:24:49

 1717

 28

#语言模型 #神经网络 #paddlepaddle
【论文深度研读报告】MuZero算法过程详解

深度强化学习实验室官网：http://www.neurondance.com/论坛：http://deeprl.neurondance.com/作者：饼干Japson(DeepRL-La...

深度强化学习实验室
2021-01-19 07:35:00

 6376

 9

#算法 #神经网络 #大数据 +1
模型量化

https://zhuanlan.zhihu.com/p/132561405模型量化是一种将浮点计算转成低比特定点计算的技术，可以有效的降低模型计算强度、参数大小和内存消耗，但往往带来巨大的精度损失。尤其是在极低比特(<4bit)、二值网络(1bit)、甚至将梯度进行量化时，带来的精度挑战更大。Part 1 量化综述什么是模型量化？为什么要进行模型量化？模型量化是由模型、量化两个词组成。我们

 xz1308579340
2020-10-10 11:44:54

 8776

 5

#神经网络
可逆神经网络（Invertible Neural Networks）详细解析：让神经网络更加轻量化

来源：PaperWeekly本文约3600字，建议阅读7分钟本文以可逆残差网络（The Reversible Residual Network: Backpropagation Without Storing Activations）作为基础进行分析。为什么要用可逆网络呢？因为编码和解码使用相同的参数，所以 model 是轻量级的。可逆的降噪网络 InvDN 只有 D...

数据派THU
2022-04-18 17:00:00

 2348

#神经网络 #算法 #python +2
产品经理转行量化，我选择从CQF开始...

最后给大家一个小的建议，其实有时候不用太纠结自己有没有一个完善的策略，因为这个东西你写好一个可能一年就过去了，很耽误自己工作的节奏。让我觉得难度比较大的有两部分，一个是随机微积分，另一个是统计学，因为随机微积分里涉及到，各种随机过程其实很难。学完整个课程最大的感触是，虽然学的过程很痛苦，但痛苦的几乎都不考，它覆盖的东西很多。自学CQF是不现实的，还是需要有人来教，尤其不是本专业的学生，你需要花更多

 热爱python的小谢
2023-10-14 18:00:17

 230

#产品经理 #人工智能 #python +3
【论文阅读】RMA: Rapid Motor Adaptation for Legged Robots

RMA（Rapid Motor Adaptation）算法使用两阶段训练，第一阶段训练特权编码，第二阶段训练自适应模块以估计特权信息。

冀晓武
2025-04-12 18:45:28

 2387

 29

#论文阅读 #神经网络
BP神经网络分类预测+SHAP分析！Matlab代码实现，通过SHAP方法量化特征贡献，引入SHAP方法打破黑箱限制，提供全局及局部双重解释视角

在信用风险评估（用户特征→信用等级）、疾病辅助诊断（症状指标→患病概率）、产品质量分类（生产参数→合格等级）等场景中，BP 神经网络凭借多层感知器的非线性拟合能力，成为经典分类工具。但 BP 的 “前向传播 - 反向更新” 过程高度复杂，仅能输出类别标签与置信度，无法回答 “哪些特征主导分类”“特征取值如何影响决策” 等关键问题 —— 例如信用评估中，无法解释 “为何用户被判定为高风险”，医疗诊断

 Matlab科研工作室
2025-10-14 20:37:18

 907

 18

#神经网络 #分类 #matlab
什么是SAR指标，如何运用SAR做量化。

当价格上涨时，SAR点位于价格图表的下方，表示买入信号。plt.scatter(data.index, data['sar'], color='red', label='SAR', s=5) # 将SAR点绘制为红点。data['signal'][data['close'] < data['sar']] = -1 # 当收盘价低于SAR点时，设置卖出信号。data['signal'][data['

Sevenii7
2024-03-27 13:57:02

 1155

 5

#python #人工智能 #深度学习 +2
神经网络量化（一）

随着深度学习作为一种通用工具在电子设备中注入智能的流行度不断上升，对小型、低延迟和高能效的神经网络解决方案的需求也在增加。如今，神经网络可以在许多电子设备和服务中找到，包括智能手机、智能眼镜、家用电器、无人机、机器人和自动驾驶汽车。这些设备通常对神经网络的执行时间有严格的限制，或对长时间性能有严格的功耗要求。减少神经网络的计算时间和能耗的最具影响力的方法之一是量化。在神经网络量化中，权重和激活张量

 weixin_38498942
2024-05-29 16:04:42

 1744

 10

#神经网络
如何使用 Dify 搭建属于你的投资分析 Agent 助手

现在，Dify 在应用编排中新增了 Agent Assistant 模式（智能助手），可以基于不同的 LLMs 作为基础的自然语言理解和推理模型（目前 Dify 已支持市面上所有流行的 LLMs ），并提供一系列工具让 LLM 根据需要来调用，解决多步骤的复杂问题场景，帮助开发者构建更具想象力的 GPTs 和 Agent Assistants（智能助手）。

qq_39172059
2024-06-15 20:08:43

 9342

 43

#深度学习 #人工智能 #神经网络 +1
自己做量化交易软件(39)小白量化实战12--利用神经网络程序预测价格上涨

自己做量化交易软件(39)小白量化实战12–利用神经网络程序预测价格上涨大家使用小白量化主要目的不是为了什么仿通达信公式和仿大智慧公式,大家主要的目的想利用Python神经网络和深度学习等功能来用AI研究股市。从这篇文章开始，我逐步给大家介绍，如果利用小白量化金融模块库来实现自己的深度学习程序。人工神经网络（Artificial Neural Networks，简写为ANNs）是一种模仿动物神经网

 荷蒲
2021-02-09 14:41:04

 3475

 18

#神经网络 #python #机器学习 +1
期货量化交易软件：ATDM指标量化运用。

鉴于此，我将基于这个情况给出一个假设性的指标处理方案，我们可以将其理解为一个自定义的动量指标，并提供一个动量指标的示例实现，以此作为参考。假设我们定义一个简单的动量指标，该指标通过比较过去14天的价格变化来衡量动量，我们可以使用以下Python代码实现这一策略。策略优化和测试：在历史数据上进行回测，优化策略参数，并在模拟环境中进行前向测试，以确保策略在实际市场条件下的有效性。执行策略：根据生成的信

 Sevenii7
2024-04-02 15:29:01

 994

 4

#神经网络 #python #人工智能 +2
股票量化交易软件：神经网络在交易中的实际应用 Python 1

通过这种方法，我们平滑了神经网络模块中错误响应的概率，因为神经网络没有训练来寻找特定的日高和日低价格，但是它们使用高/低接近的概率，同时考虑到价格幅度到日极值。第一种选择似乎更可取，因为在这种情况下，我们使用实现的目标而不是应该发生的事件来训练神经网络。赫兹股票量化交易软件。我们在以前的系统中使用了这个解决方案，因为我们使用了自写的指示符，我们不想让专家顾问的工作负担过重。之所以使用Python，

Herzqt123
2023-07-12 10:08:55

 441

#神经网络 #python #人工智能 +3
获取同花顺股票实时行情接口

别家还在为数据的完整性和及时性焦头烂额，同花顺已经搭建起了庞大且高效的数据体系，不仅提供实时行情，还深度挖掘数据背后的价值，为投资者呈现全面、深入的市场分析报告，成为众多投资者获取金融信息的首选平台。功能却十分强大，支持多家券商在线交易，提供丰富的技术分析工具，从K线图到各种技术指标分析，应有尽有。它能实时获取同花顺股价，提供详尽的历史股价数据，让你清晰直观地洞察其市场表现，无论是专业投资者制定投

 数据联盟
2025-01-17 17:44:47

 1984

 11

#区块链 #大数据 #神经网络 +4
期货量化交易软件：神经网络软性扮演者模型优化2.0

代之，我去之前创建的 CNeuronBaseOCL::WeightsUpdate 软更新方法，并针对更新训练模型参数的方法设置一处检查，该参数由用户在描述模型架构时为每个神经层指定。由此，我们减少了需执行操作的数量，同时提高了模型的性能。同时，我们没有为目标模型创建单独的对象类型，而是将先前创建的那个当作全功能模型，并创建所有必要的对象和缓冲区。在方法参数中，我们将传递指向训练模型神经层的指针和更

 Sevenii7
2024-04-17 16:29:33

 2020

 26

#神经网络 #人工智能 #深度学习
论文导读：用 CNN 神经网络进行量化交易

机器学习用来投资一直都是非常热门的学问，近年来深度学习模型开始受到非常多的瞩目，尤其是在计算机视觉方面，所以接下来导读的这篇论文，就是提供了一个全新的方式，将目前最火的计算机视觉神经网络：Convolutional Neural Network（CNN）用来预测股票的涨跌。实验结果表示效果比一般的神经网络要好。你可能会问，以时间序列（time series）来说，明明神...

Python中文社区
2022-06-02 08:40:56

 1543

#神经网络 #人工智能 #深度学习 +1
量化交易软件：赫兹量化中的趋势指标

自适应移动平均指标 (Adaptive Moving Average，AMA) 技术指标用于构造对价格序列噪声具有低灵敏度的移动平均，并且其特征在于趋势检测的最小滞后。不同的价格序列平滑算法的缺点之一是，意外的价格跳跃会导致虚假趋势信号的出现。创建 ENUM_LINE_STATE 枚举是为了简化获取指标线的状态，即其相对于另一个指标或任何级别的线的形状和位置。[in]应用的价格，可以是 ENUM_

Herzqt123
2024-03-26 10:58:30

 1110

 25

#数据库 #神经网络 #开发语言 +2
赫兹期货股票量化交易软件：交易软件指标和信号盈利能力的可视化优化

有关修改旧指标并为其提供新的形式的想法源自于一条天真而真诚的评论，此评论是与有关 Expert Advisor 的说明一起在赫兹量化的一个论坛帖子中发布的。尽管 Expert Advisor 的开发者并不打算将其用于真实交易，但在我的脑海里总是出现这样的想法：如何能够不仅检查预期交易结果，还能够评估交易行为、结果的稳定性（如果你愿意的话）。很显然，解决方案需要我在文章“指标和提醒的盈利能力的可视化

 赫兹期货量化软件
2023-08-14 13:37:56

 226

#服务器 #java #前端 +2
【赠书】深入浅出Python量化交易实战

‍‍本书主要以国内A股市场为例，借助第三方量化交易平台，讲述了KNN、线性模型、决策树、支持向量机、朴素贝叶斯等常见机器学习算法在交易策略中的应用，同时展示了如何对策略进行回测，以便让读者...

言有三
2022-01-02 13:35:52

 2905

#算法 #神经网络 #大数据 +2
市面上有什么量化交易软件是值得推荐的？

赫兹量化软件

 Herzqt123
2023-07-27 14:27:12

 1202

#服务器 #神经网络 #python
TEMA量化策略如何运用_期货量化交易软件

在实际应用之前，进行充分的历史回测和参数优化是关键，以确保策略在不同市场条件下的有效性和可靠性。data.loc[data['Close'] < data['TEMA'], 'Signal'] = -1 # 价格下穿TEMA，卖出信号。data.loc[data['Close'] > data['TEMA'], 'Signal'] = 1 # 价格上穿TEMA，买入信号。策略优化和回测：使用软件的

 Sevenii7
2024-04-22 15:52:54

 1315

 12

#前端 #神经网络 #人工智能 +2
【手把手教你】利用神经网络构建量化交易策略

01引言神经网络一开始是为了研究人脑图并了解人类如何做出决策，而算法试图从交易方面消除人类情绪的影响。我们有时没有意识到的是，人脑很可能是这个世界上最复杂的机器，并且众所周知，它可以非常有...

Python金融量化
2022-01-11 23:12:34

 5061

 8

#神经网络 #大数据 #python +2
基于图神经网络的高频交易系统

近年来，随着计算机硬件和人工智能技术的飞速发展，量化投资作为一大投资类别在中国市场迅速崛起。量化投资经历了从最初依赖人工投资理念的自动化处理，到如今基于数据、统计和人工智能构建全自动交易系统以实现稳定盈利的演变。高频交易 (HFT) 作为一种利用强大计算机程序在极短时间内执行大量订单的交易方法，正逐渐崭露头角。成熟的HFT系统能够以极低的风险实现盈利，类似于固定收益。然而，在特定市场中，HFT的整

 努力的光头强
2025-04-02 10:06:06

 824

 5

#人工智能 #自然语言处理 #python +4
【转发】聚宽数据（JQData）本地化解决方案：基于MongoDB

MongoDB是由C++语言编写的一个基于分布式文件存储的开源NoSQL数据库系统，它提供了可扩展的高性能数据存储解决方案。由于MongoDB是一个面向文档存储的数据库，所以操作起来比较简单和容易。MongoDB支持丰富的查询表达式，高性能的插入与查询操作，并在负载调节方面提供了较好的支持。MongoDB的这些特性很好地适应了量化策略开发项目对证券数据存储的需求。本文利用聚宽平台的本地化API获.

GolednYield
2020-03-08 12:27:49

 869

#神经网络
解锁数据潜力：探索“量化因子库”的另类Alpha

量化因子库”是一款前沿的数据分析工具，旨在为投资者提供能带来稳定alpha收益的因子，帮助投资者轻松应对大数据挑战。它通过集成先进的算法、模型，和丰富多元的底层数据，日频的为用户提供一个全面、动态、有选股能力提升的因子数据库。无论是股票筛选、风险管理、投资策略开发优化、还是另类数据源分析，“量化因子库”都能提供强大的支持，帮助投资者识别投资机会、评估风险和管理投资组合。另类数据源分析：利用市场情绪

 GemOfData
2024-07-09 15:00:59

 934

 3

#人工智能 #数据挖掘 #算法 +4
21量化交易必读-算法交易和强化学习

本书描述算法股票交易已经成为当今金融市场的主流，大多数交易现在已经完全自动化。深度强化学习(DRL)agent被证明是许多复杂游戏中需要考虑的一种力量，如象棋和围棋。我们可以把股票市场的历史价格序列和走势看作是一个复杂的不完全信息环境，在这个环境中，我们努力实现收益最大化和风险最小化。bshq:https://mp.weixin.qq.com/s?__biz=MzIxNDgzNDg3NQ==&am

lqfarmer
2021-08-21 20:08:55

 1311

#神经网络 #自然语言处理 #人工智能 +2
期货量化交易软件：什么是MTM指标，如何运用MTM做量化。

MTM的计算公式如下： MTM=C−C 其中，C是当前周期的收盘价，C是n周期前的收盘价。如何运用MTM进行量化交易 MTM指标的一个基本用法是观察其与价格走势之间的背离现象，这可能预示着趋势的反转。例如，如果价格创新高，而MTM指标未能创新高，这可能表示上涨动力减弱，趋势可能即将反转。策略优化和测试：在历史数据上进行回测，优化策略参数，并在模拟环境中进行前向测试以验证策略在实时条件下的有效性。通

 Sevenii7
2024-03-28 15:47:24

 1356

 3

#开发语言 #神经网络 #人工智能 +1
商品期货_赫兹量化平台带来的惊喜

因为赫兹量化软件的强大功能和稳定性，我的客户甚至开始要求我在他们的交易中使用这款软件。总之，赫兹量化软件是一个不可缺少的工具，是任何一位成功的量化交易者的选择。作为一名计算机编程人员，我最近接到了很多客户的委托，希望我能为他们编写国内期货的EA策略，并要求这些策略要在MT5平台上运行。我深深地被赫兹量化软件吸引。这是一个非常令人印象深刻的量化交易软件，可以帮助用户轻松创建各种复杂的交易策略，且可自

 Herzqt123
2024-01-09 16:19:59

 908

 6

#人工智能 #神经网络
NVIDIA Jetson支持的神经网络加速的量化平台

PPQ通过支持这些不同的硬件后端平台，使得开发者可以在多种硬件上进行模型的量化和部署，从而实现跨平台的模型优化和推理加速。PPQ的这种灵活性和可扩展性，使其成为一个强大的工具，可以帮助开发者在不同的硬件平台上实现高效的AI模型部署。：由商汤 HPC 团队开发的量化框架 PPQ，支持多个硬件后端平台的量化模拟与部署，并在此基础上抽象出一套完整的量化框架设计。使用这些工具和平台，开发者可以在 Jets

哆啦ZZQ
2024-10-21 21:48:31

 1548

 17

#神经网络 #人工智能 #深度学习
基于LSTM-GARCH模型的投资组合波动预测研究【主要目的是比较传统计量经济学模型与深度学习技术在预测金融市场波动方面的性能】（Python代码实现）

波动性预测对于风险管理、衍生品定价和财务决策至关重要。该项目实施并评估了几种波动率预测模型，包括GARCH（1,1）、GARCH-t、EGARCH、TGARCH和LSTM神经网络。使用平均绝对误差（MAE）和均方误差（MSE）等指标比较了这些模型的性能。

Ps.729
2025-01-18 13:07:00

 846

 28

#神经网络 #深度学习 #lstm