作者：yunjinqi
类别：量化框架
日期：2025-05-23 17:29:43
阅读：34 次
消耗积分：0 分
这是一个非常关键的问题，涉及 高频交易（HFT）系统的性能、架构和数据通信效率。以下是对 内存映射（Memory Mapping）、内存数据库（如 Redis）...
作者：yunjinqi
类别：笔记
日期：2025-05-23 17:01:50
阅读：22 次
消耗积分：0 分
可以带来显著的性能优化，但也需权衡其潜在缺陷。以下是具体的优劣势分析及示例说明：优势1. 极低延迟的数据访问场景：高频交易需要快速读取市场数据（如订单簿、行情流...
作者：yunjinqi
类别：笔记
日期：2025-05-23 10:41:00
阅读：21 次
消耗积分：0 分
的异同点总结相同点：回归方法：均用于建立自变量与因变量之间的关系模型。最小二乘基础：LS、WLS 和 LASSO 均基于最小化残差平方和的框架（WLS 加权，L...
作者：yunjinqi
类别：笔记
日期：2025-05-22 18:43:36
阅读：27 次
消耗积分：0 分
是一种非参数回归方法，它结合了多项式回归与局部加权思想，用于在数据的不同区域拟合不同的回归曲线，从而更灵活地捕捉数据的非线性结构。一、基本概念Locally W...
作者：yunjinqi
类别：笔记
日期：2025-05-22 15:52:42
阅读：34 次
消耗积分：0 分
M估计双平方法（M-Estimation Bisquare Method）是一种鲁棒回归技术，旨在通过动态调整数据点的权重来减少异常值对模型参数估计的影响。其核...
作者：yunjinqi
类别：笔记
日期：2025-05-22 15:00:59
阅读：26 次
消耗积分：0 分
Locally Weighted Regression（LWR，局部加权回归）是一种非参数回归方法，用于捕捉数据中的非线性关系。其核心思想是为每个预测点构建一个...
作者：yunjinqi
类别：教程
日期：2025-05-22 14:46:55
阅读：48 次
消耗积分：0 分
留一法交叉验证，简称LOOCV） 是一种评估机器学习模型性能的方法，其核心思想是：每次用一个样本作为测试集，其余所有样本作为训练集，重复这一过程直到所有样本都被...
作者：yunjinqi
类别：教程
日期：2025-05-20 13:03:47
阅读：65 次
消耗积分：0 分
非参数回归在量化交易中具有独特的应用价值，尤其是在处理复杂的非线性关系、高维数据和动态市场模式时。以下是其具体应用场景及案例解析：1. 预测资产收益与波动率场景...
作者：yunjinqi
类别：笔记
日期：2025-05-20 13:01:07
阅读：60 次
消耗积分：0 分
是一种不依赖数据分布或变量间具体函数形式假设的统计分析方法。与参数回归（如线性回归）不同，它不需要预先设定因变量与自变量之间的具体数学关系（例如线性、二次函数等...
作者：yunjinqi
类别：笔记
日期：2025-05-18 16:53:14
阅读：52 次
消耗积分：0 分
正则化是机器学习中常用的两种防止模型过拟合的技术，它们通过在损失函数中添加对模型权重的惩罚项，限制模型的复杂度。以下是它们的详细对比和实际应用：一、核心定义1....
最新文章