原创 “入鄉隨俗,服務爲主” 發明者量化兼容麥語言啦!

5年時光 我們裹挾前行。發明者量化從篳路藍縷到步履蹣跚,從以“區塊鏈資產交易”爲陣地,再到以“內外盤商品期貨”爲依託。再到今天全面兼容“麥語言”。每一步,我們始終都在爲建立一個優秀的量化交易平臺而努力。   什麼是麥語言? 所謂的

原创 淺談格雷厄姆的《證券分析》

本傑明-格雷厄姆是價值投資的祖師爺,是巴菲特的師傅,我絲毫不敢對他不敬。他的兩本書《證券分析》和《聰明的投資者》是每位做投資者必讀的經典之書。 國內讀者對《證券分析》作者格雷厄姆的認識,大多因爲他是巴菲特的導師。實際上,格雷厄姆被譽爲“現代

原创 比特幣市場價格一直下跌,未來的市場價值歸零的可能性大嗎?

連日來,比特幣一直跌跌不休。比特幣在11天內暴跌44%,一年內價值縮水80%。那麼比特幣在未來的價值是否歸零呢?   比特幣發展: 比特幣(BitCoin)是一種P2P形式的數字貨幣,最初由中本聰在2009年提出概念、設計思路、完成開源軟

原创 小白機器學習基礎算法學習必經之路(下)

我們在上文小白機器學習基礎算法學習必經之路(上)簡述了線性迴歸 (Linear Regression) ,邏輯迴歸 (Logistic Regression) ,決策樹 (Decision Tree) ,支持向量機(SVM) ,樸素貝葉斯

原创 小白機器學習基礎算法學習必經之路(上)

常見的機器學習算法 以下是最常用的機器學習算法,大部分數據問題都可以通過它們解決: 1.線性迴歸 (Linear Regression) 2.邏輯迴歸 (Logistic Regression) 3.決策樹 (Decision Tree)

原创 機器學習應用在幾種形態下落地的問題和參考架構

前言 機器學習是人工智能研究領域的一個重要分支,近十年因爲以深度學習爲代表的研究方向在圖像識別,語音識別,文本翻譯及深度強化學習在圍棋等遊戲應用中的重大突破而又重新興起,變成新的技術浪潮。但是機器學習還沒有達到實現人工智能的階段,無法像人

原创 期貨交易理念有哪些?

著名期貨書籍《通向財務自由之路》中羅列出來了很多。包括: 1、趨勢跟蹤交易理念 2、基本面分析 3、價值投資 4、波段交易 5、季節性趨勢 6、價差交易 7、套利交易 這些都是作者眼裏的各種流派。   期貨交易理念這個東西,其實說

原创 機器學習中那些必要又困惑的數學知識

現在很多想從事於機器學習的朋友都存在很多困惑,主要是很多相關的書看不懂,尤其是數學部分,機器學習的基礎是數學。數學並非是一個可選可不選的理論方法,而是不可或缺的支柱。對於機器學習算法工程師而言,微積分、線性代數、概率論毫無疑問是需要掌握的。

原创 解析李笑來新書《韭菜的自我修養》 轉

寫在讀書之前的話  韭菜是誰?  韭菜一般指交易市場裏沒賺到錢的勢單力薄的散戶。 特徵:嚴重缺乏基本的閱讀能力。他們是一輩子買東西都不讀產品說明的人,他們是那種無論拿到什麼,都要問別人怎麼用的人。‍ 網絡用語“韭菜”是源於“割韭

原创 數字貨幣多平臺對衝穩定套利 V2.1 (註釋版) 原

多平臺對衝穩定套利 V2.1 (註釋版) 對衝策略是風險較小,較爲穩健的一類策略,和俗稱“搬磚策略”有些類似,區別是搬磚需要轉移資金,提幣 ,充幣。在這個過程中容易出現價格波動引起虧損。對衝是通過在不同市場同時買賣交易,在交易所資金分配

原创 關於區塊鏈的解讀和簡單Python實現 轉

概念解讀 區塊鏈幾乎是數日間成爲人盡皆知的名詞,這個名詞也勾起了我強烈的興趣,但是通過在網上搜羅資料,多方閱讀,發現很多介紹區塊鏈的文獻要麼模棱兩可,要麼作者本身的理解也很有限,導致很多關鍵的問題敘述不清。本人花了一些時間總結歸納,希望可

原创 2013 VS 2018:五年前和今天的十大數字貨幣大比拼 原

加密貨幣從無人問津到如今的指數型增長,它延伸出很多應用,也有數不清的爭議,甚至鬧過不少笑話。 2013年,加密貨幣還只在小範圍內蔓延,時間快進到2018年,數字貨幣總市值已超過2000億美元,數不清的投資者、愛好者瘋狂涌入市場。現在已有太多

原创 STOCHRSI 指標理解 原

STOCHRSI 指標理解 這幾天幫一個朋友解決一個關於指標的問題 ,這個指標就是 STOCHRSI 。在網上查了很多資料,中文的真是甚少。而且僅有的也不是講的很清楚。對於我這樣的 交易小白,簡直是天書。 不過只要研究多少會有點收穫的,下

原创 數字貨幣跨品種對衝的探討及DEMO 原

平時交易的時候,交易員喜歡盯着盤面數據,why?原因是,關心行情的異動,找個機器人幫你盯着是個很好的辦法。 言歸正傳,在商品期貨交易策略中 經常看到 不同品種的 組合對衝策略,比如 焦煤、鐵礦石 和 螺紋鋼 對衝, 這種跨品種對衝策略是不

原创 使用LSTM預測股票市場基於Tensorflow 原

前言 在本文開始前,作者並沒有提倡LSTM是一種高度可靠的模型,它可以很好地利用股票數據中的內在模式,或者可以在沒有任何人蔘與的情況下使用。寫這篇文章,純粹是出於對機器學習的熱愛。在我看來,該模型已經觀察到了數據中的某些模式,因此它可以在