qq_40734607-CSDN博客

原创 jieba分词简单使用

思路：1.读取需要进行分词的文件2.判断所提取的句子是否存在防止因为意外情况导致的异常情况3.在分词之前处理句子中的符号，防止无意义的符号加入分词结果中4.将分词结果写入文件中5.将文件以csv格式进行存储代码实现：import pandas as pdimport numpy as npimport reimport mathimport jiebaT_data =pd.read_csv('stock_comments_raw.csv')train_data=T_

2020-07-01 22:46:27 236

原创情感分析简单实现

实现思路1.爬取股票评论和对应数据2.对股票评论使用jieba库进行分词3.对分词后的文本进行特征化提取4.使用已经分词的积极和消极文本对svm，knn，逻辑回归，决策树，贝叶斯，随机森林，adaboost等方法进行分词结果评测5.得到svm结果最优，使用svm对已处理好样本进行训练得到模型6.使用模型对评论进行划分，得到评论是否积极或者消极7.根据对所有评论划分结果使用 bi=ln（1+pos）/（1+neg）指数来表示不同评价对每天的影响。8.将bi的指数放大窗口10倍，来评价情绪对股

2020-07-01 20:34:34 741

原创 spring 邮箱简单使用

yml配置 mail: default-encoding: utf-8 host: smtp.qq.com username: 邮箱号码 password: 请在邮箱设置中获得对应key protocol: smtp具体实现import cn.hutool.extra.template.TemplateEngine;import org.springframework.amqp.rabbit.annotation.RabbitListener;i

2020-07-01 09:25:47 321

原创 spring Security

spring Security简单介绍：Spring Security是一个功能强大且高度可定制的身份验证和访问控制框架，它是用于保护基于Spring的应用程序的实际标准。Spring Security是一个框架，致力于为Java应用程序提供身份验证和授权。与所有Spring项目一样，Spring Security的真正强大之处在于可以轻松扩展以满足自定义要求。简单实现public class SecurityConfig extends WebSecurityConfigurerA.

2020-07-01 09:21:24 107

原创 durid

durid设计思路资源池（resource pool）。该模式正是为了解决资源的频繁分配﹑释放所造成的问题。为解决上述问题，可以采用数据库连接池技术。数据库连接池的基本思想就是为数据库连接建立一个“缓冲池”。预先在缓冲池中放入一定数量的连接，当需要建立数据库连接时，只需从“缓冲池”中取出一个，使用完毕之后再放回去。我们可以通过设定连接池最大连接数来防止系统无尽的与数据库连接。更为重要的是我们可以通过连接池的管理机制监视数据库的连接的数量﹑使用情况，为系统开发﹑测试及性能调整提供依据。.连接池的分

2020-07-01 08:38:27 188

原创 redis简单集成

1.redis简介　 Redis 是完全开源免费的，遵守BSD协议，是一个高性能的key-value数据库　　　　Redis支持数据的持久化，可以将内存中的数据保存在磁盘中，重启的时候可以再次加载进行使用。　　　　Redis不仅仅支持简单的key-value类型的数据，同时还提供list，set，zset，hash等数据结构的存储。　　　　Redis支持数据的备份，即master-slave模式的数据备份。2.redis使用后访问数据逻辑3.在srping...

2020-06-30 22:07:00 110

原创绩效评估常见指标和方法

绩效评估常见指标和方法1. Sharpe Ratio夏普比率绩效指标也被称为风险指标，它们也是量化投资的基石，正因为有这些指标我们可以横向对比不同模型。首先以被模型开发者熟知的夏普比率开始介绍，Sharpe Ratio（夏普比率）目的是计算投资组合每承受一单位总风险，会产生多少的超额报酬。它的优点是不仅考虑收益，还考虑每次的波动率（回撤幅度），可以同时对策略的收益与风险进行综合考虑。夏普比率的计算公式是：夏普比率 = 策略年化收益率-无风险回报率 / 策略回报率标准差。如果某股票型基金，过去一年上涨

2020-06-12 21:43:14 2815

原创 TensorFlow的基本函数和数据类型

张量及操作张量可以说是TensorFlow的标志，因为整个框架的名称TensorFlow就是张量流的意思。下面来一起全面地认识一下张量。1．张量介绍TensorFlow程序使用tensor数据结构来代表所有的数据。计算图中，操作间传递的数据都是Tensor。可以把tensor看为一个n维的数组或列表，每个tensor中包含了类型（type）、阶（rank）和形状（shape）。（1）tensor类型为了方便理解，这里将tensor的类型与Python的类型放在一起做个比较，如表4-4所示。.

2020-06-12 08:10:23 161

原创 lstm的简单实现

使用模型LSTM的结构有很多种形式，但是都大同小异，主要都包含输入门、输出门、遗忘门。使用模型如上图所示部分代码//// MLLstm.m// LSTM////#import "MLLstm.h"@implementation MLLstm#pragma mark - Inner Method+ (double)truncated_normal:(double)mean dev:(double)stddev{ double outP = 0.

2020-06-09 22:58:57 780

原创 lstm模型实现量化分析资源汇总

前言因为一些琐事，今天没有太多时间学习新的知识内容，故对已有资源进行了整理LSTM 模型在量化交易中的应用汇总Stock ClustersIdentifying stock clusters helps discover similar companies which can be useful for comparable analysis or pairs trading strategy. We can find similar clusters by estimating the i

2020-06-08 19:07:46 853

原创 ama均线

简介自适应移动平均线AMA是由美国数量金融投资家佩里·J·考夫曼（Perry J. Kaufman）发明的。我们都知道，大多数类型的移动平均线仅是通过价格简单构造出来的，而自适应移动平均线AMA却非常不同，该指标不仅考虑了价格因素，还考虑了市场中价格的波动性，这也是它与传统均线之间最大的差别。该指标的发明者佩里·J·考夫曼目前是全球最为著名的量化投资专家之一，著有众多畅销书籍，包括《精明交易者：系统交易指南》和《交易系统与方法》等。传统移动平均线的困境移动平均线是一种最为常用的技术指标，大部

2020-06-07 20:34:52 2999

原创 TensorFlow的基本开发步骤

1.1 了解模型的运行机制TensorFlow的运行机制属于“定义”与“运行”相分离。从操作层面可以抽象成两种：模型构建和模型运行。在模型构建过程中，需要先了解几个概念，如表4-1所示。表4-1中定义的内容都是在一个叫做“图”的容器中完成的。关于“图”，有以下几点需要理解。● 一个“图”代表一个计算任务。● 在模型运行的环节中，“图”会在会话（session）里被启动。● session将图的OP分发到如CPU或GPU之类的设备上，同时提供执行OP的方法。这些方法执行后，将产生的te

2020-06-06 19:36:01 414

原创 lstm模型的前身rnn模型

长短期记忆（Long short-term memory, LSTM）是一种特殊的RNN，主要是为了解决长序列训练过程中的梯度消失和梯度爆炸问题。简单来说，就是相比普通的RNN，LSTM能够在更长的序列中有更好的表现。要讨论LSTM的话，需要了解一下RNN（循环神经网络），那到底什么是RNN呢？循环神经网络（RNN）我们每时每刻的思想，我们的语言并不是片面孤立的，也就是我们此刻的想法其实是跟前面的有联系，我们句子里面的当前的词语实际上是与前面出现过的词是保持着联系的。举个最通俗的例子，我们都做过

2020-06-05 22:45:09 316

qq_40734607的博客