文件名称：Machine-Learning-in-Finance
文件大小：16.46MB
文件格式：ZIP
更新时间：2024-05-03 08:54:31
Python
金融机器学习 1.数据集： 一世。 FB ii。 ANG iii。 法玛-法国 iv。 美国存托凭证 2.建立的模型： 一世。 法国农民，AR1 ii。 指数移动平均线（5天）+线性回归 iii。 MACD（移动平均收敛散度） iv。 FB先知 v。支持向量机 vi。 卡尔曼滤波 七。 格奇 3.各个模型的性能指标：在演示幻灯片中提到 4.使用重采样残差进行引导： （引导程序步骤请参考以下链接： : (statistics) ） 引导程序从t = 250开始。 我们将Y [t-200：t-1]作为训练数据，预测yhat [t]，并比较所有yhat [t]和Y [t]来计算RMSE。 上述某些模型或者影响了整体性能，或者运行时间太长。 因此，在引导过程中仅使用以下模型： 一世。 AR1（引导300次） ii。 指数移动平均线（300次） iii。 卡尔曼滤波器（10
【文件预览】：
Machine-Learning-in-Finance-master
----dataset()
--------FF_daily.CSV(726KB)
--------ADS_daily.xlsx(538KB)
--------FB.xlsx(38KB)
--------FANG.xlsx(97KB)
----README.md(2KB)
----Models, Trading Strategies and Risk Management()
--------bootstrap.py(8KB)
--------trading.py(7KB)
--------PP.py(1KB)
--------MA.py(2KB)
--------LR.py(1KB)
--------KF.py(2KB)
--------garch.py(2KB)
--------SVM.py(707B)
--------random_forest.py(2KB)
----Presentation.pptx(13.48MB)
----Lectures()
--------INFO 7374 Lecture 3.pdf(742KB)
--------INFO 7374 Lecture 4.pdf(137KB)
--------INFO 7374 Lecture 6.pdf(340KB)
--------INFO 7374 Lecture 2.pdf(873KB)
--------Introduction to LSTMs.pdf(569KB)
--------INFO 7374 Lecture 1.pdf(936KB)