文件名称：Fin_EMH_anomally_Detection
文件大小：2.32MB
文件格式：ZIP
更新时间：2024-05-30 10:22:27
HTML
鳍高效市场假说（EMH）异常检测 通过发现有效市场假说中的异常现象来利用金融市场机会的应用程序。 通常，金融资本市场中的衍生数据遵循有效市场假说，在期权初等产品（衍生产品）中遵循黑洞模型。 但是由于日内波动或其他原因，它倾向于偏离EMH。 此应用程序中使用的算法可以解决此类低效率问题，并可以利用各种机会。 内容 视觉效果 链接： ： ： [！[ ] 概述 压延点差 在买权和卖权方面寻找各种到期日的机会。 垂直点差 在买权和卖权的每个到期日内抓住机会。 安装 克隆存储库后，使用以下命令安装所有依赖项： pip install -r requirements.txt 在AWS EC2实例上部署 在AWS上注册 此部署是通过使用Free tier（Ubuntu OS）的EC2实例完成的 下一步是根据可用性创建具有名称的应用 对于这个特定的应用程序，我们需要创建环境 创建网络接口
【文件预览】：
Fin_EMH_anomally_Detection-main
----preprocessing.py(1KB)
----page.pkl(342KB)
----images()
--------img02.jpg(4KB)
--------bull.png(43KB)
--------Options-Spreads.jpg(20KB)
--------img03.jpg(3KB)
--------bear.png(44KB)
--------main-bg.jpg(4KB)
----OC.py(1KB)
----requirements.txt(288B)
----post_processing.py(5KB)
----static()
--------img02.jpg(4KB)
--------bull.jpg(179KB)
--------bear.jpg(14KB)
--------bull.png(179KB)
--------max_pain2.jpg(33KB)
--------Options-Spreads.jpg(20KB)
--------img03.jpg(3KB)
--------head.png(805KB)
--------bear.png(44KB)
--------anomaly.jpg(858KB)
--------500_F_260664720_mHAS2iXLBtZscY6oZRFiVKbwSFLbgh0I.jpg(32KB)
--------main-bg.jpg(4KB)
----README.md(4KB)
----__pycache__()
--------post_processing.cpython-36.pyc(4KB)
--------req.cpython-36.pyc(393B)
--------OC.cpython-36.pyc(1KB)
--------preprocessing.cpython-36.pyc(1KB)
----req.py(305B)
----app.py(2KB)
----template()
--------index.txt(12KB)
--------simple.html(651B)
--------simple_VCS.html(650B)
--------simple_VPS.html(650B)
--------index.html(11KB)
--------simple_put.html(650B)