机器学习Python与量化交易项目班百度云迅雷下载
『课程目录』:
│ 01基本预测
│ 02第一节-简介与Python安装
│ 03第一节-Python数据结构
│ 04第二节-Python for Finance 常用packages 学习 I
│ 05第三节-Python for Finance 常用packages 学习 II
│ 06第四节-金融数据建模与预测_风险测度因子
│ 07第五节-事件驱动的交易策略和实施
│ 08第五节课-统计交易策略和实施
│ 09第五节课-Parameter optimization（参数优化）
│ 10第六节-贝叶斯估计 |
│ 11第六节-贝叶斯例子和线性模型
│ 12第六节-贝叶斯随机波动率
│ 13第七节-金融时间序列分析-I
│ 14第八节-金融时间序列-II-协整性
│ 15第八节-金融时间序列-II-state model
│ 16第八节-金融时间序列-II-卡尔曼滤波 `
│ 17第八节-金融时间序列-II-Hidden Markov Models
│ 18第九节-线性回归
│ 19第九节-shrinkage regression
│ 20第九节-决策树
│ 21第九节-boosting&bagging
│ 22第十节-逻辑回归
│ 23第十节-判别分析
│ 24第十节-SVM 和交叉验证的模型选择
│ 25第十一节-Introduction to Clustering
│ 26第十一节- Neural network
│ 27第十一节-主成分分析
│ 28第十二节-机器学习于量化交易中的应用IV
│ 29第十三节 Python for ODE PDE numerical methods (Python for 偏微分方程数值解)
│ 30第十四节 Python衍生品定价-I-MC
│ 31第十四节 美式期权和欧式期权定价
│ 32第十五节 常见蒙特卡罗方差降低方法与期权定价
│ 33第十五节 重点抽样级数和测度变化
│ 34第十五节 信用风险的IRC模型和高斯核
│ 35第十六节 面试I
│ 36第十六节 简历和面试II
│
└─课件
网盘/磁力链接已被隐藏，请根据提示用微信扫码获取
