文件名称：股票买卖最佳时机leetcode-Stock_classifier:使用机器学习预测股票价格范围的分类问题
文件大小：10.83MB
文件格式：ZIP
更新时间：2024-07-26 21:56:27
系统开源
股票买卖最佳时机leetcode Stock_classifier 问题陈述 是否有可能以显着的准确性在给定的股票中找到非随机模式，以便比纯随机性更好地把握市场时机？ 介绍 自 1600 年代第一家上市公司成立至今，华尔街一直被投资者和投机者的财富增长超过整体市场回报的想法所吸引。 这个概念在许多市场经济学家和分析家中被认为是有争议的。 尽管已经证明一小部分投资者通过时机和/或基本面分析击败了整体市场，但人们普遍认为，由于有效市场假说，这些技术在长期或短期内是不可持续的。 该假设指出，在任何给定时间，有关资产的所有重要信息都已经定价到该股票中。 这基本上意味着，没有任何形式的技术或基本面分析会给您购买低于公允价值的股票的优势。 目前，有许多大型金融机构和对冲基金将大量资源投入使用各种机器学习技术分析股票趋势。 最值得注意的是，被称为“破解华尔街”的数学家詹姆斯·哈里斯·西蒙斯 (James Harris Simons) 表示，他使用多种数学技术通过各种机器学习技术和信号分析，在市场的噪音中寻找非随机模式。 詹姆斯西蒙斯目前的身价约为 200 亿美元。 尽管他的算法本质上是专有的，但我们
【文件预览】：
Stock_classifier-master
----distribution_vs_accuracy_EDA.ipynb(678KB)
----EDA_feature_selection.ipynb(7.52MB)
----DNN.ipynb(102KB)
----featureSel.png(58KB)
----distribution.png(112KB)
----top3.png(244KB)
----justify_targets_with_distributions.ipynb(1.11MB)
----Algorythm.ipynb(6.84MB)
----top10.png(262KB)
----testvstrain.png(140KB)
----LICENSE(11KB)
----performance.png(201KB)
----README.md(11KB)
----data_ingest_&_clean.ipynb(230KB)
----results.png(419KB)
----features.png(101KB)
----confusion.png(248KB)