均值 方差 收益率 风险投资
项目管理--PMBOK 读书笔记（11）【项目风险管理】
1、风险分解结构（RBS）： RBS 有两个含义，一个是资源分解结构（Resource），一个是风险分解结构（Risk）。 1）技术风险 2）管理风险 3）商业风险 4）外部风险 2、核对单 核对单是组织过程资产的一部分； 基于类似项目和其他信息来源积累的历史信息和知识编织核对单。 3、SWOT 分 ......
R语言无套利区间模型：正向套利和反向套利次数、收益率分析华泰柏瑞300ETF可视化
全文链接：http://tecdat.cn/?p=31973 原文出处：拓端数据部落公众号 股指期货的套利交易有助于股指期货实现其价格发现以及风险规避的功能，因此提高套利交易的效率,对于发挥股指期货在经济发展中的作用有着重要的意义。 本文帮助客户对期货期现套利的研究。研究中主要以期货及其现货指数的数 ......
模式识别自学笔记：最小风险贝叶斯决策
实质：在最小错误率贝叶斯决策的基础上加权加上了损失函数 λ 基本流程： 1、用贝叶斯公式求后验概率 P(ωi|x) 2、在决策表中查找损失函数 λ(αi|ωj) 求期望损失 R(αi|x) R(αi|x) = λ(αi|ω1) * P(ωi|x) + λ(αi|ω2) * P(ωi|x) + ... ......
请注意，你的 Pulsar 集群可能有删除数据的风险
在上一篇 Pulsar3.0新功能介绍中提到，在升级到 3.0 的过程中碰到一个致命的问题，就是升级之后 topic 被删除了。 正好最近社区也补充了相关细节，本次也接着这个机会再次复盘一下，毕竟这是一个非常致命的 Bug。 现象 先来回顾下当时的情况：升级当晚没有出现啥问题，各个流量指标、生产者、 ......
掌握JavaScript中的智能金融和风险管理
Laravel是一个流行的PHP框架，它具有出色的可测试性，可以帮助开发人员在更短的时间内编写可靠的代码。但是，即使使用了这个框架，也可能会出现测试覆盖率较低的情况。测试覆盖率是指代码中已由测试案例覆盖的部分比例。测试覆盖率越高，代码质量越高。在本文中，我们将分享几种技巧，帮助您提高Laravel应 ......
AI变现项目：刚做五天收益突破单日破50+，干货经验谈
今日是我单号操作的第五天。 打开今日头条，发现收益破新高了。 我这是一个号操作，10个号，20个号呢？ 下面主要说说我的操作经验。 先确定领域 我是做的情感故事领域。 为什么做这个领域？(简单，原创度高，安全，流量) 首先这个领域的写作，只需要提供标题给AI就可以完成。这么做的好处就是不用改写，那么 ......
“小专车”风险重重
“小专车”风险重重 最近，被称为“小专车”的“轻型非载货专项作业车”又被一些商家炒热，也让不少消费者动了心。然而，这些“小专车”无论是验车、上路，都并非商家宣传的那样“无后顾之忧”，反而暗藏风险。 首先，这些“小专车”并非普通家用小客车，而是专项作业车。这意味着京牌租赁被设计和制造出来主要是用于特定 ......
中电金信推出行业首个外汇客户风险管理系统，助力金融机构稳中提效
中电金信基于多年的行业积累洞察、和对金融机构的访谈调研发现，《办法》推出前，部分银行缺乏内控系统，只能手工判断客户是否符合便利化办理条件，并需要企业提供资料，同时缺乏交易风险审查，事后抽查存在不愿配合提供单据材料或需要反复沟通对接问题，业务的开展不具有便利性。而《办法》的推出对于推动商业银行外汇业务 ......
数据摆渡会遇到哪些风险？要怎样应对？
数据摆渡（Data Shuttle）是一种在不同网络环境之间安全、可控地传输数据的过程。在企业环境中，这通常涉及到将数据从内部网络（内网）传输到外部网络（外网），或者在多个隔离的内部网络之间（比如生产网、研发网、测试网等等）进行数据交换。 在选择数据摆渡系统时，需要首先经过需求分析，确定数据摆渡的目 ......
Python akshare 回测均线交叉策略的收益
针对均线交叉策略的收益，进行回测 从 akshare 获取数据的代码，可从上一篇文章中获取[Python 通过 akshare 绘制中国平安均线并显示买卖点 但是由于需要进行回测，就需要很长时间的数据，只是使用30天的数据，是无法看出来策略的好坏的，这次直接获取所有的数据。 pingan = ak. ......
投资日记_1
我从2015年开始接触中国A股，但至今仍没有获得较大的利润。要说损失，倒也没有多少。 2014年，我进入本科阶段，一上就是四年。和成功设计工作就业途径和个人发展方向的人不一样，我的本科阶段莽莽撞撞，肆意洒脱又循规蹈矩。毕业设计的指导老师去年忽发恶疾去世了，耳边还回响着答辩老师的嗤笑，明言我毕业后不会 ......
Matlab中K-means聚类算法的使用（K-均值聚类）
K-means聚类算法采用的是将N*P的矩阵X划分为K个类，使得类内对象之间的距离最大,而类之间的距离最小。使用方法：Idx=Kmeans(X,K)[Idx,C]=Kmeans(X,K) [Idx,C,sumD]=Kmeans(X,K) [Idx,C,sumD,D]=Kmeans(X,K) […]= ......
有关统计分析方法的一道题——证明矩估计的方差（即样本方差）是总体方差的无偏估计
今天上午考试考了这道题，但是好巧不巧自己没看具体的证明过程（可能因为自己忽略了这个部分吧）...（有关这道题当时的证明过程，我就记得了\(E(\overline{X})=\mu, D(\overline{X}) = \frac{\sigma^2}{n}\)，别的都不记得了...）考场直接破大防了.. ......
P2 偏差，方差
偏差-方差困境(the bias-variance trade-off) 举个例子 左边这个如果用单层神经网络，逻辑回归的话，就是这样一条直线，没有很好的将数据集分类，我们把这种情况称为欠拟合(underfitting)高偏差 中间这个不那么复杂但是能正确分类的算法，对数据进行了合理的处理，正正好好 ......
云锵投资 2023 年收益统计及 12 月简报
年度统计 本月是本年度最后一月，对本年的各组合进行了年度的收益统计： 量化基金，少量超额。 量化股票，Beta 1.5 倍的情况下，只下跌了 4.81%，算是还凑合的成绩。 今年，个人权益投资，整体没有 Alpha，属于与指数陪玩。在持股数方面，相对年初加仓了 23.68%（去年该数值是 95.16 ......
pandas增加列求和 平均值的多种写法
增加列： df['one'] = 1 # 增加一个固定值的列 df['total'] = df.Q1 + df.Q2 + df.Q3 + df.Q4 # 增加总成绩列 # 将计算得来的结果赋值给新列 df['total'] = df.loc[:,'Q1':'Q4'].apply(lambda x:s ......
为了降低个人股票投资者的决策误判概率，我们做了一款软件
对于个人股票投资者而言，避免投资决策误判是最重要且最首要的，盈利多少都是次要的。 这是一个什么样的软件？ 这是一个面向个人股票投资者的决策辅助工具【棱镜】，它旨在将你的分析决策逻辑转化为由文字和框架转化为算法，让计算机和算法辅助你共同决策，降低决策误判概率。网站：prismray.cn 为什么要做这 ......
技术文档 | 在Jenkins及GitlabCI中集成OpenSCA，轻松实现CI/CD开源风险治理
插播： OpenSCA-cli 现支持通过 homebrew 以及 winget 安装： Mac/Linux brew install opensca-cli Windows winget install opensca-cli 总有小伙伴问起如何在CI/CD中集成OpenSCA，文档它这不就来啦 ......
【python爬虫课程设计】大数据分析——信用卡风险评估
【python爬虫课程设计】大数据分析——信用卡风险评估一、选题的背景 近年来，随着信用卡业务的快速发展，信用卡已经成为人们日常生活中不可或缺的一部分。然而，信用卡违约现象也日益严重，给银行和信用卡公司带来了巨大的风险和损失。因此，对信用卡违约风险进行评估和管理成为了银行业和金融领域中的一个重要课题 ......
2023年度业务风险报告：四个新风险趋势
顶象防御云业务安全情报中心“2023年业务风险数据”统计显示，恶意爬虫风险最多，占总数的37.8%；其次是虚假账号注册，占18.79%；排名第三的是薅羊毛，占11.28%；人脸识别风险、人脸伪造风险逐步崭露头角，也达到1.45%；此外，其他类型风险（骗贷、套现、账号盗用、山寨App）占比30.67% ......
一个专为量化投资开发的强化学习算法框架：ElegantRL
链接： https://github.com/AI4Finance-Foundation/ElegantRL 这是一个专为量化投资开发的强化学习算法框架。 相关论文： ElegantRL-Podracer: Scalable and Elastic Library for Cloud-Native ......
某宝上搞来的电子书，经典的量化投资书籍，《Advances in Financial Machine Learning》—— 《金融机器学习的进展》、《量化投资与机器学习》、《金融机器学习研究进展》
英文书名： 《Advances in Financial Machine Learning》 经典的量化投资书籍，某宝上6元搞来的电子版： ......
637. 二叉树的层平均值
目录题目题解：BFS 题目 给定一个非空二叉树的根节点 root , 以数组的形式返回每一层节点的平均值。与实际答案相差 10-5 以内的答案可以被接受。 题解：BFS class Solution: def averageOfLevels(self, root: Optional[TreeNode ......
【快速阅读一】带蒙版的均值模糊快速实现以及其在填充无效区域时的应用。
对于现在很多相机采集的数据存在NaN或所谓的空值的情况，提出了一种高效简单的填充算法，同时这个算法也可以用于一些简答的祛痘、祛斑等环境中。 ......
PMP-5.8 实施风险应对
######################################## 风险重点在于规划，执行过程组中实施风险应对需根据风险管理计划执行商定的风险应对措施。 如果有经验教训登记册，可参照执行。 ######################################## 一、 实施风险 ......
某领先的集成电路研发中心：建立跨网交换平台 杜绝数据泄露风险
1、客户介绍 某技术领先的集成电路研发中心，是产学研合作的国家级集成电路研发中心，致力于解决重大共性技术的研发及服务支撑问题。该中心积极探索国际化道路，不断提升国际影响力，与多家国际著名集成电路企业和研发机构建立技术合作及联合实验室。 2、建设背景 为了保护与流转研发中心内部的核心数据，该集成电路企 ......
企业发展中CRM软件的好处和坏处（CRM软件的利弊和风险分析）
虽然不少科技成果昙花一现，但CRM管理系统作为销售和营销领域的核心技术，已经牢牢占据了不可撼动的地位。拥有一个部署得当的CRM系统能为企业带来诸多好处。它可以跟踪和管理销售人员与潜在/现有客户的所有互动和沟通，并帮助他们识别出需要重点培养或跟进的机会。CRM软件具有集中管理客户数据、深入了解客户、管 ......
传统小微企业用 CRM 系统的好处和坏处（CRM 系统的功能和风险控制）
CRM管理系统迭代至今，其功能已经非常全面。对于小微企业来说，他们需要的往往还是那些核心的CRM功能。这也表明管理潜在客户和联系人以及自动化销售流程仍然是CRM的主要功能之一。鉴于当今有许多渠道可以接触到客户，营销的作用越来越突出。同样，随着企业利用数据来了解客户行为和预测销售，对报告和分析的需求也 ......
R语言群组变量选择、组惩罚group lasso套索模型预测分析新生儿出生体重风险因素数据和交叉验证、可视化
原文链接：http://tecdat.cn/?p=25158 原文出处：拓端数据部落公众号 本文拟合具有分组惩罚的线性回归、GLM和Cox回归模型的正则化路径。这包括组选择方法，如组lasso套索、组MCP和组SCAD，以及双级选择方法，如组指数lasso、组MCP。还提供了进行交叉验证以及拟合后可 ......
金融数据可视化大屏：揭示投资秘密，掌控金融未来
随着数字化时代的到来，金融行业的数据量正在迅速增长。如何有效处理、分析和呈现这些数据，成为了一个亟待解决的问题。而金融数据可视化大屏的出现，正是为了解决这一问题，让金融行业的数据处理和分析更加直观、高效。 ......