python数据分析——网络流量的一些特性
网络流量自相似性：赫斯特指数（英语：Hurst exponent）以英国水文学家哈罗德·赫斯特命名，起初被用来分析水库与河流之间的进出流量，后来被广泛用于各行各业的分形分析。现实与理想诸多市场异象的发现使人们对有效市场假说的质疑愈发深重，这些异象主要集中在：收益分布正态性、波动率与时间长度幂率关系、市场记忆性等方面。而分形市场理论则与之不同，它具备两个明显特征：长记忆性（长程相关性）和标度不变性。分数布朗运动Peters在系统性提出分形市场理论的同时，还用分数布朗运动来描述金融市场的运行
时间序列的特征工程——针对Hurst指数的Python计算
时间序列的特征工程——针对Hurst指数的Python计算(附Github代码)Github地址：Hurst指数计算Python脚本最近两天为了整一个Hurst指数的计算翻了不少资料，百度到好多代码算出来结果不是大于1就是为负数，遂硬着头皮自己重造了个轮子，分享之。以下为一些简单的科普，不明白的小伙伴可以百度Hurst了解这是什么玩意儿。·什么是Hurst指数？赫斯特指数(Hurst Exponent)是用来衡量时间序列是否有长期记忆的一个指标，这一指标最初由英国水利学家Harol.
python时间序列分析——基于混沌和数据分形理论的特征构建
深度解析Hurst模型的打开方式https://www.sohu.com/a/161977680_739119介绍：金融市场中大多数时间序列的波动往往表现为非周期性循环，重标极差分析法从标度不变性角度出发，不仅能有效计算非周期性循环的平均循环长度（避免传统谱分析弊端），而且还能分析周期性循环的固定周期。在重标极差法下计算Hurst指数，为保证结果稳定性与准确性，将子区间长度N的上限确定为非周期性循环的平均循环长度极有必要，而平均循环长度的计算有赖于重标极差分析。此外，由于分形市场理论并不以正态.
时间序列的特征工程——一些总结
如何对周期性的如时间，月份进行特征工程表示：周期特征的循环编码说明：一些数据具有固有的周期性。时间就是一个很好的例子：分钟，小时，秒，星期几，一个月的某周，一个月，季节等都是具有循环往复的周期性的，生态特征（如潮汐），星座特征（如轨道位置），空间特征（如旋转或经度），视觉特征（如色轮）也都是自然循环的。如何让我们的机器学习模型知道某个功能是周期性的？让我们探索一个简单的24小时时间数据集，我们想将其周期性性质传达给我们的模型https://zhuanlan.zhihu.com/p/28.
python数据处理——对dataframe按天进行切分成若干个子dataframe
这里的df的index是日期类型，最好是用pd.to_datetime()先处理一下，然后用下面这行代码就可以了，当然，也可以按照小时进行切分，就groupby(df.index.hour)就可以，很简单DFList = [group[1] for group in df.groupby(df.index.day)]...
python数据处理——对dataframe处理获得一小时高开低收/k线数据/OHLC数据
dataframe是一个以时间为index，然后是只有一列数据的dataframe或者seriesdf.resample('1H', how='ohlc', axis=0, fill_method='bfill')
python数据处理——记录一个不知道怎么称呼但是很叼的操作
首先在处理之前呢，这个df_all是长这样的：经过如下的代码变换：region_up = pd.pivot_table(df_all.groupby(["time", "region"])["up"].sum().reset_index(), values="up", index="time", columns="region")之后的dataframe是长这样的：...
深度学习学习——关于特征降维的一些算法总结
特征降维：https://www.zhihu.com/column/c_119455233717021491210种特征降维的算法：https://zhuanlan.zhihu.com/p/68754729
python数据分析——可视化之箱线图
箱线图的相关介绍;https://support.minitab.com/zh-cn/minitab/18/help-and-how-to/graphs/how-to/boxplot/interpret-the-results/key-results/5分钟教你轻松掌握箱线图 https://zhuanlan.zhihu.com/p/59055049箱线图https://wiki.mbalib.com/wiki/%E7%AE%B1%E7%BA%BF%E5%9B%BE...
数据可视化学习——如何给mac os安装orca到python
可能有些同学在mac下安装orca有问题，比如conda下报一下代理错误，pip 安装找不到包，那直接去下面的地址到这里：https://pypi.org/project/orca/#files然后下载这个然后pip install xxx.whl就可以，这个xxx就是上面这个文件的名称然后python进入终端，运行美滋滋...
深度学习学习——pytorch的一些必备的基础概念
pytorch必须掌握的的4种学习率衰减策略https://zhuanlan.zhihu.com/p/93624972一般来说，我们希望在训练初期学习率大一些，使得网络收敛迅速，在训练后期学习率小一些，使得网络更好的收敛到最优解。下图展示了随着迭代的进行动态调整学习率的4种策略曲线：torch代码解析 为什么要使用optimizer.zero_grad()https://blog.csdn.net/scut_salmon/article/details/82414730Pytor...
python数据分析——OLS的summary保存为pandas下的dataframe
思路先保存成html，再用pandas读取html(今天刚知道pandas可以读取html)，下面的results_summary就是OLS的summary()得到的对象results_as_html = results_summary.tables[1].as_html()pd.read_html(results_as_html, header=0, index_col=0)[0]...
量化投资学习——Barra Optimizer API使用学习
关于使用Barra Optimizer API的方法： 首先要能正确安装Barra Optimizer，意思就是需要有一个key使用Barra Optimizer API的顺序Create a Workspace Add Assets into Workspace 这部分首先是读取数据，读取数据有两种方式，一个是自己自定义数据，比如定义价格，因子的相关性矩阵，定义初始的价格和收益等等， 这个可以参考tutorial下的TutorialData.py，调取LoadAssetDa...
python学习——flask架构全家桶
最近还是要写项目在CICC，做一个和前端交互的Flask项目，然后干脆学习一下怎么做架构师。看看Flask项目全家桶的内容。flask已经集成的Flask-WTF，表单使用Flask-Mail邮件插件，狗书里的内容Flask-Cache ：看自身项目需要使用，缓存系统。Flask-Admin ：快速后台管理。还是有一定的局限性的。最好的就能自己写一个后台Flask-Bootstrap：bootstrap实现。还是自己下载使用插件吧。不推荐Flask-Script ：狗书使用的 常用插件
今日推荐
周排行