1.å客çå«ä¹
2.深入理解Pytorch的源码BatchNorm操作(含部分源码)
3.Chrome 专题 - 使用 Chrome,这些插件不能错过
4.硬核福利量化交易神器talib中28个技术指标的源码Python实现(附全部源码)
5.Barra模型因子的构建及应用系列七之Liquidity因子
6.短线擒龙指标公式源码
å客çå«ä¹
âå客âï¼BlogæWeblogï¼ä¸è¯æºäºâWeb Logï¼ç½ç»æ¥å¿ï¼âç缩åï¼æ¯ä¸ç§ååç®æçå»çå个人信æ¯åå¸æ¹å¼ã让任ä½äººé½å¯ä»¥åå è´¹çµåé®ä»¶ç注åãåä½ååéä¸æ ·ï¼å®æ个人ç½é¡µçå建ãåå¸åæ´æ°ãå¦ææ论åï¼BBSï¼æ¯å»ä¸ºå¼æ¾ç广åºï¼é£ä¹å客就æ¯ä½ çå¼æ¾çç§äººæ¿é´ãå¯ä»¥å åå©ç¨è¶ ææ¬é¾æ¥ãç½ç»äºå¨ãå¨ææ´æ°çç¹ç¹ï¼å¨ä½ âä¸åæ¯çç½ä¸èªè¡âä¸ï¼ç²¾é并é¾æ¥å ¨çäºèç½ä¸ææä»·å¼çä¿¡æ¯ãç¥è¯ä¸èµæºï¼ä¹å¯ä»¥å°ä½ 个人工ä½è¿ç¨ãçæ´»æ äºãææ³åç¨ãéªç°ççµæçåæ¶è®°å½ååå¸ï¼åæ¥æ¨ä¸ªäººæ éç表达åï¼æ´å¯ä»¥ä»¥æä¼åï¼ç»è¯åæ±èæåï¼è¿è¡æ·±åº¦äº¤æµæ²éã
ä½ä¸ºå客ï¼å®ä¹ä¸è§£é
âå客âå½ç¶æ¯ä¸ªå¤§å®¶é½éççåè¯ï¼å 为è¿ä¸ªä¸æååè¿æ¯å客ä¸å½ççä¿ç§çµæºä¸å¨ç产ç©ãå客çè±æåè¯å°±æ¯âBlogæWeblogâï¼æ人æ¶å¯¹åºäºBloggerï¼ï¼åä¸ä¸ªå ¸åçç½ç»æ°äºç©ï¼ä½ æ¥é ææ°çè±æè¯å ¸ä¹ä¸å¯è½æ¥å°ã该è¯æ¥æºäºâWeb Logï¼ç½ç»æ¥å¿ï¼âç缩åï¼ç¹æä¸ç§ç¹å«çç½ç»ä¸ªäººåºçå½¢å¼ï¼å 容æç §æ¶é´é¡ºåºæåï¼å¹¶ä¸ä¸ææ´æ°ã
ä½æ¯ï¼æ£å 为ç®åï¼è¦è§£éæ¸ æ¥ï¼åèååå¤æãå®ä¹äºè±å «é¨ï¼ä¸ç¾ä¸ªäººå°±æä¸ç¾ç§è§ç¹ãè³ä»ç¼ºä¹ä¸¥è°¨çå®ä¹ï¼ä¹è¿æ²¡ææ¶å ¥ä»»ä½ä¸»è¦çè¯å ¸ä¹ä¸ãå æ¤ï¼è¿æ¯éæ广çï¼è®©æ们å ä»å个è§åº¦æ¥ççè¿ä¸ªæ¦å¿µçå«ä¹ï¼
å客ï¼Blogï¼ææ®éçåè¯è§£é
å客ï¼Blogï¼weblogç缩ç¥è¯ï¼ç±Peter Merholzåæï¼
1ã åè¯ï¼ææ¶ä¸ºäºåºåä¹ç§°å客ç½ç«ï¼ç½é¡µï¼ãæç½ä¸åä½çä¸ç§ç¹å®å½¢å¼åæ ¼å¼ãç±ææ¶é´ååºæåçææ¡£ç»æçæ ç®ï¼ä¸¤ä¾§é常è¿å¯ä»¥æè¡¥å ææï¼é¢ç¹æ´æ°ï¼ä¸è¬å¤§é使ç¨é¾æ¥ã
ä¸è¬ææäºå客ï¼Warblogï¼Matt Welchåæï¼ãæ¥è®°å客ï¼Journal blogåDiary blogï¼ï¼ç¥è¯å客ï¼Knowledge LogãKlogãK-Blogï¼ãæ°é»å客ï¼News blogsï¼ãä¸å®¶å客ï¼Pundit blogï¼ãææ¯å客ï¼Tech blogï¼ã群ä½å客ï¼Group blogï¼ã移å¨å客ï¼Moblogï¼ãè§é¢å客ï¼Videoblogï¼ãé³é¢å客ï¼Audioblogï¼ãå¾çå客ï¼Fotologï¼ãæ³å¾å客ï¼Blawgï¼ãææå客ï¼Digest blogï¼
ç±æ¤è¿è¡çåºå¤§éæ°è¯æ±ï¼æ¯å¦å客ä¸çï¼Blogosphereï¼ãå客精è±ï¼Blogeratiï¼ãå客é¾æ¥ï¼Blogrollï¼ãæ³è¯å客ï¼Froglogsï¼ãè¯è¨å客ï¼Linguablogï¼åå°ç«å客ï¼Kittybloggerï¼æåäºæ¥å¸¸çç¢å 容çå客ï¼çã
2ã å¨è¯ï¼å¨blogä¸åæç« ã
å客ï¼Bloggerï¼
åè¯ï¼æ¥æblogç½ç«æè å¨blogä¸åä½ç人ã
对äºå客ç严谨å®ä¹ä¸¾ä¾
ãå¸åºæ¯è¯ãä¸å¯¹Blogè¿æ ·æè¿°ï¼âä¸ä¸ªBlogå°±æ¯ä¸ä¸ªç½é¡µï¼å®é常æ¯ç±ç®çä¸ç»å¸¸æ´æ°çPostæææï¼è¿äºå¼ è´´çæç« é½æç §å¹´ä»½åæ¥ææåãBlogçå 容ç±ä¸ªäººå欢ãå¯ä»æå ³å ¬å¸ã个人ãæ°é»ï¼ææ¯æ¥è®°ãç §çãè¯æãæ£æï¼çè³ç§å¹»å°è¯´çå表æå¼ è´´ã许å¤Blogsæ¯ä¸ªäººå¿ä¸ææ³ä¹äºæ çå表ï¼å ¶å®ä¹æé个人çBlogsï¼é£æ¯ä¸ç¾¤äººåºäºæ个ç¹å®ä¸»é¢æå ±åå©çé¢åçéä½åä½ãBlog好象对ç½ç»ä¼ è¾¾çå®æ¶è®¯æ¯ãæ°åè¿äºWeblogæBlogç人就å«åBloggeræBlog writerãâ
ãç½ç»ç¿»è¯å®¶ã对å客ï¼Bloggerï¼çæ¦å¿µè§£é为ï¼
ç½ç»åºçï¼Web Publishingï¼ãå表åå¼ è´´ï¼Postââè¿ä¸ªåå½åè¯ç¨æ¶å°±æ¯æå¼ è´´çæç« ï¼æç« æ¯ä¸ªæ¥éæé¿çç½ç»æ´»å¨ï¼ç°å¨çè³åºç°äºä¸ä¸ªç¨æ¥æ称è¿ç§ç½ç»åºçåå表æç« çä¸æåè¯ââWeblogï¼æBlogãä¸ä¸ªBlogå°±æ¯ä¸ä¸ªç½é¡µï¼å®é常æ¯ç±ç®çä¸ç»å¸¸æ´æ°çPostæææï¼è¿äºå¼ è´´çæç« é½æç §å¹´ä»½åæ¥ææåãBlogçå 容åç®çæå¾å¤§çä¸åï¼ä»å¯¹å ¶ä»ç½ç«çè¶ çº§é¾æ¥åè¯è®ºï¼æå ³å ¬å¸ã个人ãææ³çæ°é»å°æ¥è®°ãç §çãè¯æãæ£æï¼çè³ç§å¹»å°è¯´çå表æå¼ è´´é½æã许å¤Blogsæ¯ä¸ªäººå¿ä¸ææ³ä¹äºæ çå表ï¼å ¶å®Blogsåæ¯ä¸ç¾¤äººåºäºæ个ç¹å®ä¸»é¢æå ±åå©çé¢åçéä½åä½ãBlog好象对ç½ç»ä¼ è¾¾çå®æ¶è®¯æ¯ãæ°åè¿äºWeblogæBlogç人就å«åBloggeræBlog writerãå¨ç½ç»ä¸å表Blogçææ³ä½¿äºå¹´ï¼ä½å°äºå¹´æçæ£å¼å§æµè¡ãèµ·åï¼Bloggerså°å ¶æ¯å¤©æµè§ç½ç«çå¿å¾åæè§è®°å½ä¸æ¥ï¼å¹¶äºä»¥å ¬å¼ï¼æ¥ç»å ¶å®äººåèåéµå¾ªãä½éçBloggingå¿«éæ©å¼ ï¼å®çç®çä¸æåå·²ç¸å»çè¿ãç®åç½ç»ä¸æ°ä»¥å计ç Bloggerså表åå¼ è´´Blogçç®çæå¾å¤§çå·®å¼ãä¸è¿ï¼ç±äºæ²éæ¹å¼æ¯çµåé®ä»¶ã讨论群ç»æ´ç®åå容æï¼Blogå·²æ为家åºãå ¬å¸ãé¨é¨åå¢éä¹é´è¶æ¥è¶çè¡çæ²éå·¥å ·ï¼å 为å®ä¹éæ¸è¢«åºç¨å¨ä¼ä¸å é¨ç½ç»ï¼Intranetï¼ãç®åæå¾å¤ç½ç«å¯ä»¥è®©ç½å设ç«å¸å·åå表Blogsã
å类人士对å客çä¸åç解åå®ä¹
æ´å¤å ³äºå客ç形象æ¯å»åå®ä¹ï¼
u å客æ¦å¿µä¸»è¦ä½ç°å¨ä¸ä¸ªæ¹é¢ï¼é¢ç¹æ´æ°ï¼Frequencyï¼ãç®æ´æäºï¼Brevityï¼å个æ§åï¼Personalityï¼ï¼Evan Williamsï¼
u å客æ¯æ¯å¨7天ï¼æ¯å¤©æ¶è¿è½¬çè¨è®ºç½ç«ï¼è¿ç§ç½ç«ä»¥å ¶ççãéæ§ãæ ä¿çãå¯äºææ³èå¥æªçæ¹å¼æä¾æ ææ æçè¨è®ºãï¼ä½©å§¬?åªåç解éï¼
u å客æ¯äºèç½ä¸ææ°çåå±æ½®æµï¼æ¯ç»§E-mailãBBSãICQï¼IMï¼ä¹åï¼åºç°ç第åç§ç½ç»äº¤æµæ¹å¼ã
u å客æ¯ç¨å¸¦çç´¢å¼çæåè¿è¡å¯¹è¯çåå¡å±ãï¼Rebecca Bloodèãå客æåãï¼The Weblog Handbookï¼ï¼
u å客就æ¯ä¸ä¸ªäººæªç»ç¼è¾ç声é³ï¼The unedited voice of a personï¼ï¼æ´å¤«Â·æ¸©çº³ï¼Dave Winerï¼ï¼
u å客ï¼Weblogï¼æ¯è¿æ ·ä¸ä¸ªæç §æ¶é´é¡ºåºæåçéåï¼éåä¸çå ç´ æ¯è¢«å ¬å¼åå¸ï¼å¹¶è½å¤éè¿äºèç½è¢«è®¿é®å°çç¬ç«çææ³æ³¡æ³¡ï¼thought bubblesï¼ï¼å客ä¸çæ¯æ¡å 容æ¯å客们å½æ¶å¨æ³ä»å¹ºçææ³å¿«ç §ãï¼James Snellï¼
u å客ä¹äºç¥è¯ï¼å°±åNapsterä¹äºé³ä¹ï¼Linuxä¹äºè½¯ä»¶ï¼å客ä¸å½ï¼
u å客代表çâæ°é»åªä½3.0âï¼æ§åªä½ï¼old mediaï¼ââæ°åªä½ï¼new mediaï¼ââèªåªä½ï¼we mediaï¼ï¼Dan Gillmorï¼
u å客æ¯åªä½çå¼æ¾æºä»£ç è¿å¨
u å客æ¯å 容çå¼æ¾æºä»£ç è¿å¨
u å客ââç¥è¯ç»æµ2.0ï¼å§å¥å¹³ï¼
u å客æ¯ä¸ä¸ªâå¿«æ·æç¨çç¥è¯ç®¡çç³»ç»âï¼Dylan Tweneyï¼
u å客æ¯â个人主页2.0âï¼å客ä¸å½ï¼
è¿æå客们çä¸å´å «èï¼ä¹å¾æå¯åï¼
u å客æ¯æ°åçâåååªä½â
u å客æ¯âä¸åæ¯çç½ä¸æ ç¨â
u å客æ¯â个人ç½ä¸åºçç©ï¼ç¤¾åºï¼â
u å客æ¯âç½ç»ä¸çä¿¡æ¯é·è¾¾ç³»ç»â
u å客æ¯â人工æç´¢å¼æâï¼æ¯âä¸å®¶è¿æ»¤å¨â
u å客æ¯âèªç»ç»ç½ç»çæâ
u å客æ¯âèæ ¹è®°è ââ¦â¦
u å客æ¯ç½ç»æ¶ä»£ç个人â读è ææâ
u å客æ¯ä»¥è¶ 级é¾æ¥ä¸ºæ¦å¨çç½ç»æ¥è®°
u å客æ¯ä¿¡æ¯æ¶ä»£ç麦å²ä¼¦ï¼å客ä¸å½ï¼
u å客æ¯ä¿¡æ¯å¥¶çï¼åçæ¯âä¿¡æ¯èâï¼æ¤åºæ¥çæ¯âä¿¡æ¯å¥¶âã
u å客代表çæ°ççæ´»æ¹å¼åæ°çå·¥ä½æ¹å¼ï¼æ´ä»£è¡¨çæ°çå¦ä¹ æ¹å¼ãéè¿å客ï¼è®©èªå·±å¦å°å¾å¤ï¼è®©å«äººå¦å°æ´å¤ã
u ä¸äºäººä¸ºæå½çæ°é»å§
u å 为æä¿¡æ¯è¿è¡äºåç±»åçéåå¸ï¼æ以å¾âæç¨â
u é常ç¨æ¥å¹¿æä¿¡æ¯
u ä¸ç§å¦ä¹ å·¥å ·
u ç®åå°å»çä¹ä¼å»ºç«
u æ个人åççµåæ¥è®° ...
u ä¸ç§ä¸å°ç¾¤ä½è¿è¡ç»å¸¸æ§æ²éçå½¢å¼
u ä¸å°±æ¯ä¸ä¸ªHTMLç¼è¾å¨åï¼
u web åºæ¥å°±æäºï¼ä¸æ¯æ°ä¸è¥¿
u è¿ é/便æ·å°åºç
u ç»å¸¸æ´æ°çè³å æ¬äºµæ¸è¯è¨çåæ³å°ï¼èªè¨èªè¯çåºæ
u å¯è½æ¯ä¸ä¸ä»£å°å·æå¿çåå±æ¹åï¼ä¿æéæ¶æ´æ°
u ä¸ç§å¥½å·¥å ·!
u åªä¸è¿æ¯ä½è 个人æè¿°èªå·±çæ´»åæ¥å¸¸äºä»¶ççè¯ï¼å½ç¶è¿å æ¬ä¸äºæ趣çåç°åå°å ¶ä»ç½ç«çæ¨èé¾æ¥
u æªæ¥çç½ä¸éç¬
u å°åå±å¹¶åæä¸ä¸ªå¼ºå¤§çãæ便å®ççµåå¦ä¹ ï¼e-Learningï¼ å·¥å ·
u æ人æå®å½¢å®¹ä¸ºç½ç»ä¸çé·è¾¾ç³»ç»
u 女å©åçç§äººå¥½æå
âå客ä¸å½â对å客å 涵çåºæ¬å®ä¹åç解
å客æ¯ä¸ç§âé¶è¿å ¥å£åâçç½ä¸ä¸ªäººåºçæ¹å¼ï¼âé¶è¿å ¥å£åâ主è¦æ¯æ»¡è¶³âåé¶âæ¡ä»¶ï¼é¶ç¼è¾ãé¶ææ¯ãé¶ææ¬ãé¶å½¢å¼ï¼ã
å客æ¦å¿µä¸è¬å å«äºä¸ä¸ªè¦ç´ ï¼å½ç¶ï¼ä¹ä¸éè¦å±éè¿äºå®ä¹ï¼ï¼
l ç½é¡µä¸»ä½å 容ç±ä¸ææ´æ°çã个人æ§çä¼å¤âå¸åâç»æï¼
l å®ä»¬ææ¶é´é¡ºåºæåçï¼èä¸æ¯ååºæ¹å¼ï¼ä¹å°±æ¯ææ°çæ¾å¨æä¸é¢ï¼ææ§çå¨æä¸é¢ï¼
l å 容å¯ä»¥æ¯åç§ä¸»é¢ãåç§å¤è§å¸å±ååç§åä½é£æ ¼ï¼ä½æ¯æç« å 容以âè¶ é¾æ¥âä½ä¸ºéè¦ç表达æ¹å¼ã
å客çä¸å¤§ä¸»è¦ä½ç¨ä¸ºï¼
l 个人èªç±è¡¨è¾¾ååºçï¼
l ç¥è¯è¿æ»¤ä¸ç§¯ç´¯ï¼
l 深度交æµæ²éçç½ç»æ°æ¹å¼ã
ä½æ¯ï¼è¦çæ£äºè§£ä»ä¹æ¯å客ï¼æä½³çæ¹å¼å°±æ¯èªå·±é©¬ä¸å»å®è·µä¸ä¸ï¼å®è·µåºçç¥ãå¦æä½ ç°å¨å¯¹å客è¿å¾éçï¼æ建议ç´æ¥å»æ¾ä¸ä¸ªå客æ管ç½ç«ãå å¼ä¸ä¸ªèªå·±çå客å¸å·ãåæ£æ¯æ³¨åé®ä»¶æ´ç®åï¼ä¹ä¸ç¨è±è´¹ä¸åé±ï¼è§å¾æ²¡å²ä¹å°±éæææå¾äºã
å客æ¦å¿µå¿ é¡»æ¾æ¸ ç误解
å客ä¸çäºä¸ªäººæ¥è®°ï¼å客ä¸çäºä¸ªäººç½ç«ãä½å客å¯ä»¥æ¯ä¸ªäººåªä½ã个人ç½ç»å¯¼èªå个人æç´¢å¼æã
å 为ï¼Blogä¸è¯æ¥æºäºâç½ç»æ¥å¿ï¼Web Logï¼âï¼èä¸æ¯âç½ç»æ¥è®°ï¼Web Diaryï¼âã两è ç侧éç¹å®å ¨ä¸åã
æ¥è®°ï¼Diaryï¼ï¼æ个人ææ¯æ¥åççäºãç»ååè§å¯çä¸è¥¿åä¸çè®°å½ã个人æ§ãç§å¯æ§ï¼ä¸»è¦ä¸ºèªå·±èåã
æ¥å¿ï¼Logï¼ï¼èªæµ·è®°å½ï¼å¯¹è¹éãè¹ç¨ä»¥åè¹ä¸åççææ对èªæµ·ææä¹çäºä»¶çè®°è½½ãé个人ãå ¬å¼æ§ã主è¦ä¸ºå«äººèåã
å æ¤ï¼å客æ¯ä¸ªäººæ§åå ¬å ±æ§çç»åä½ï¼å ¶ç²¾é«ä¸æ¯ä¸»è¦è¡¨è¾¾ä¸ªäººææ³ï¼ä¸æ¯ä¸»è¦è®°å½ä¸ªäººæ¥å¸¸ç»åï¼èæ¯ä»¥ä¸ªäººçè§è§ï¼ä»¥æ´ä¸ªäºèç½ä¸ºè§éï¼ç²¾éåè®°å½èªå·±äºèç½ä¸çå°ç精彩å 容ï¼ä¸ºä»äººæä¾å¸®å©ï¼ä½¿å ¶å ·ææ´é«çå ±äº«ä»·å¼ã
å客精ç¥çæ ¸å¿å¹¶ä¸æ¯èªå¨±èªä¹ï¼çè³ä¸æ¯ä¸ªäººè¡¨è¾¾èªç±ï¼ç¸åï¼æ¯ä½ç°ä¸ç§å©ä»çå ±äº«ç²¾ç¥ã为ä»äººæä¾å¸®å©ã个人æ¥è®°å个人ç½ç«ä¸»è¦è¡¨ç°çè¿æ¯âå°æâï¼èå客表ç°çæ¯â大æâãä¹è®¸å½¢å¼ä¸å¾æ¥è¿ï¼ä½å å¨æçæ¬è´¨çå·®å¼ãå æ¤ï¼ææä¼ç§å客ç½ç«ä¸ï¼çæ£è¡¨è¾¾ä½è 个人çå 容é常æéï¼æå¤åªæ¯ç¹ç¼ï¼èä¸å个人ç½ç«é£æ ·æ¯æ ¸å¿ï¼
David Weinberger说ï¼âäºèç½æç»æ们è¿æ ·ä¸ä¸ªéçï¼æ们æ¢è½å¤æ为ä¸ä¸ªåºå¤§å ¬å ±ç¾¤ä½çä¸é¨åï¼è¿è½å¤ä¿ææ们ç个æ§é¢åãä½æ¯è¿åéè¦æ们è±æ´å¤æ¶é´å¨å ¬å ±åºæçæ´»ãå¨äºèç½ä¸, æ¥è®°çæ¦å¿µå·²ç»è¢«å¤åäºï¼ä¼æå ¬å ±çæ¥è®°åºç°ãä»åå¯è½çæ åµæ¯ï¼å¨çå®ä¸çä¸æ¾ç»æçå ¬ä¼åç§äººèªæä¹é´çé£æ¡æ¬æ¥ææ¾ççéä¼éæ¥è¢«è èæï¼ä¸ç¹ä¸æ»´å°ãâä»è®¤ä¸ºï¼æªæ¥æ¯ä¸ä¸ªäººé½ä¼æ¥æè³å°ä¸ªå´æè ãèå客æ çæ¯æ建个人影ååçéè¦æ段ã
å½ç¶ï¼å客æ¯ä¸ç§å¿«éæ¼åä¸çå½¢å¼ï¼èä¸æ¯ä¸ç§çæ£çèæ ¹åéï¼å æ¤ç解å客ä¸å¿ 太ææ³¥äºå½¢å¼
深入理解Pytorch的BatchNorm操作(含部分源码)
Pytorch中的BatchNorm操作在训练和测试模式下有所不同,特别是源码在涉及dropout时。Batch Normalization(BN)是源码深度学习中的重要技术,通过在神经网络中间层对输入数据进行标准化处理,源码解决协方差偏移问题。源码.net源码 aspku源码库其核心公式包含对每个通道数据的源码均值和方差计算,规范化操作后进行仿射变换以保持模型性能。源码
在BN中,源码需要关注的源码参数主要包括学习参数gamma和beta,以及动态统计的源码running_mean和running_var。在Pytorch的源码实现中,如nn.BatchNorm2d API,源码关键参数包括trainning(模型是源码否在训练模式)、affine(是源码否启用仿射变换)、track_running_stats(是否跟踪动态统计)和momentum(动态统计更新的权重)。
训练状态会影响BN层的计算,当模型处于训练状态(trainning=True)时,running_mean和running_var会在每次前向传播(forward())中更新,而转为测试模式(mode.eval())则会冻结这些统计值。源码中的_NormBase类和_BatchNorm类定义了这些操作的细节,包括动态统计的管理。
对于自定义BN,可以重载前向传播函数,改变规范化操作的细节。总的来说,理解Pytorch的绅士出击指标源码BatchNorm操作,需关注其在训练和测试模式中的行为,以及与模型训练状态相关的关键参数。
Chrome 专题 - 使用 Chrome,这些插件不能错过
欢迎探索使用 Chrome 浏览器时的插件世界,为您推荐以下提升效率和体验的强力插件。 首先是 Earth View from Google Earth,这款插件为新打开的选项卡设置卫星图像背景,提供背景历史记录功能,包括分享、下载卫星图像,美化界面的同时赋予探索欲。 Momentum 类似于 Earth View,提供随机背景,并添置时钟、美文、提醒事项等功能,使之成为多功能选项卡启动器。 接着是 Adblock Plus,专为屏蔽广告打造,不仅消除广告干扰,用户可自定义屏蔽内容范围,甚至参与项目源代码编辑,以适应个性化需求。 Tampermonkey 则为用户提供执行脚本能力,从去广告到网页定制,各种功能一应俱全,强势图指标源码兼容各类网站特性。 推荐 Search By Image、购物党比价、soTab搜索引擎一键切换、以及 自动中文空格插件,增添使用乐趣。 IE Tab 是专门针对那些依赖IE内核的网站而开发的,可以在Chrome中实现访问。 为了提高英文学习体验,推荐 单词发现者+划词翻译 组合,动态高亮重要词汇并即时翻译。 在日常使用中,OneTab插件可以帮助整理标签页,节省内存和电量,使浏览器更高效。 Free Video Downloader 系列插件可以下载网页中的视频资源,包括 Video Downloader professional、Video DownloadHelper 和 Video Downloader GetThemAll,提供多种选择。 面向喜欢做笔记的用户,Remarkerbe 提供了便捷的注解与收藏功能,并同步至印象笔记,方便查阅。 书签侧边栏 插件则是用于便捷管理和分类书签,提升网页导航体验。 以上推荐的oled多级设计源码插件涵盖了美化、提高效率、学习资源管理、视频下载等多个维度,无论是学习还是工作,均可助您一臂之力。硬核福利量化交易神器talib中个技术指标的Python实现(附全部源码)
本文将带您深入学习纯Python、Pandas、Numpy与Math实现TALIB中的个金融技术指标,不再受限于库调用,从底层理解指标原理,提升量化交易能力。
所需核心库包括:Pandas、Numpy与Math。重要提示:若遇“ewma无法调用”错误,建议安装Pandas 0.版本,或调整调用方式。
我们逐一解析常见指标:
1. 移动平均(Moving Average)
2. 指数移动平均(Exponential Moving Average)
3. 动量(Momentum)
4. 变化率(Rate of Change)
5. 均幅指标(Average True Range)
6. 布林线(Bollinger Bands)
7. 转折、支撑、阻力点(Trend, Support & Resistance)
8. 随机振荡器(%K线)
9. 随机振荡器(%D线)
. 三重指数平滑平均线(Triple Exponential Moving Average)
. 平均定向运动指数(Average Directional Movement Index)
. MACD(Moving Average Convergence Divergence)
. 梅斯线(High-Low Trend Reversal)
. 涡旋指标(Vortex Indicator)
. KST振荡器(KST Oscillator)
. 相对强度指标(Relative Strength Index)
. 真实强度指标(True Strength Index)
. 吸筹/派发指标(Accumulation/Distribution)
. 佳庆指标(ChaiKIN Oscillator)
. 资金流量与比率指标(Money Flow & Ratio)
. 能量潮指标(Chande Momentum Oscillator)
. 强力指数指标(Force Index)
. 简易波动指标(Ease of Movement)
. 顺势指标(Directional Movement Index)
. 估波指标(Estimation Oscillator)
. 肯特纳通道(Keltner Channel)
. 终极指标(Ultimate Oscillator)
. 唐奇安通道指标(Donchian Channel)
参考资料:
深入学习并应用这些指标,将大大提升您的量化交易与金融分析技能。
Barra模型因子的构建及应用系列七之Liquidity因子
在构建Barra模型系列文章的篇章中,我们深入探讨了因子构建及应用,前文已详尽地介绍了Size、Beta、混沌指标公式源码Momentum、Residual Volatility、NonLinear Size及Book-to-Price因子的构建与应用。此系列文章的第七部分,我们将关注于Liquidity因子的构建与应用。
Liquidity因子在Barra模型中的计算方法包含三个关键子因子:月度换手率、季度换手率与年度换手率,各子因子权重分别为0.、0.、0.3。该因子的换手率通过成交量与流通股本的比率计算,通过T天的加总求得对数形式,具体换手率的计算周期分别为月度天、季度天、年度天。
通过使用alphalens对Liquidity因子进行分析(年-年3月5日),我们发现:各调仓周期下的alpha收益均为负数,而5天调仓周期下的beta收益为正且最高;Liquidity因子的最大分组与最小分组均贡献负收益,且最大分组的负收益远超最小分组。进一步分析信息系数,IC均值与IC标准差在不同调仓频率下差异不大,平均IC仅为-0.,低于0.的阈值,显示了该因子的选股能力有限。从分组收益图可见,Liquidity因子表现出两端负收益、中间正收益的特征,这表明过高的或过低的换手率均会导致平均收益的下降。
基于因子分析,Liquidity因子的收益能力不佳,若作为单因子策略应用,预期回测收益同样较差。然而,为了后续对Barra模型个因子进行综合分析,我们依然编写了代码以备后续使用。接下来,我们将深入探讨Liquidity因子的回测分析。
回测时间设定为年1月1日至年3月5日,采用全A股作为回测品种(剔除ST股、停牌股与一年内的次新股),初始资金设定为万。手续费采用双边万二佣金与单边千一印花税(总计千1.4,即双边万7)作为计算依据,滑点设定为双边千1.,最大持仓数量限制为只股票。
策略净值曲线显示波动较小,在下跌阶段(年7月-月)具备较强的抗跌能力,在随后的反弹阶段亦展现良好的进攻能力,整体表现较为稳健。然而,从历史回测数据来看,Liquidity因子的收益虽能跑赢大盘指数,但未能创造正收益。年化收益率为-1.%,最大回撤率为-.%,夏普比率-0.,胜率仅.%。总体而言,尽管Liquidity因子在构建与应用中展现出一定的分析价值,其收益表现与预期仍有较大差距。
总结而言,本期文章详细探讨了Liquidity因子在Barra模型中的构建与回测分析,揭示了其在策略应用中的收益特点与潜在局限性。读者可通过掘金量化社区获取本期策略源码,进一步探索因子在实际投资决策中的应用与优化。
短线擒龙指标公式源码
短线擒龙指标公式源码:
python
SHORT_TERM_TREND = (CLOSE - OPEN) / OPEN
VOLUME_WEIGHT = VOLUME / AVERAGE_VOLUME()
MOMENTUM = EMA(CLOSE, 5) - EMA(CLOSE, )
SHORT_TERM_DRAGON = SHORT_TERM_TREND * VOLUME_WEIGHT * MOMENTUM
上述公式是一个简化的示例,用于捕捉短期内的强势股票,即“短线擒龙”。
1. 短期趋势(SHORT_TERM_TREND):这里使用当日收盘价与开盘价的差值,再除以开盘价,以计算股票的短期趋势。这种方法可以捕捉当日价格的相对变化。正值表示上涨,负值表示下跌。
2. 成交量权重(VOLUME_WEIGHT):成交量是评估股票活跃度的关键指标。通过将当日成交量与过去日的平均成交量进行比较,我们可以了解当日成交量的相对大小。如果成交量放大,则意味着有更多的资金参与,可能预示着价格的变动。
3. 动量(MOMENTUM):使用5日和日指数移动平均线(EMA)的差值来计算动量。这是一种常见的技术分析方法,用于识别价格的短期和中期趋势。正值表示短期趋势向上,负值表示向下。
4. 短线擒龙指标(SHORT_TERM_DRAGON):将上述三个指标相乘,得到短线擒龙指标。这个指标综合考虑了价格趋势、成交量和动量,旨在捕捉短期内具有强劲上涨潜力的股票。当SHORT_TERM_DRAGON指标为正且数值较大时,可能意味着股票在短期内具有上涨潜力。
请注意,这只是一个简化的示例公式,实际应用中可能需要更多的因素和复杂的计算。此外,任何技术指标都有其局限性,应结合其他分析方法和市场信息进行综合判断。
通达信也可以挑战talib技术分析库了
TA-Lib,即技术分析库,是一个广泛流传的开源库,支持多种编程语言接口,如C/C++、Java、Perl、Python和% Managed .NET等。
TA-Lib库包含多种指标,涵盖了股票、期货交易软件中常用的技术分析指标,例如MACD、RSI、KDJ、动量指标和布林带等。
TA-Lib可分为个子板块:Overlap Studies(重叠指标)、Momentum Indicators(动量指标)、Volume Indicators(交易量指标)、Cycle Indicators(周期指标)、Price Transform(价格变换)、Volatility Indicators(波动率指标)、Pattern Recognition(模式识别)、Statistic Functions(统计函数)、Math Transform(数学变换)和Math Operators(数学运算)。
在Python环境下,安装TA-Lib非常简单,只需一行命令即可完成。
在Python中,使用TA-Lib计算收盘价简单移动平均数SMA的方法如下:
计算收盘价动量,时间周期为5的方法如下:
TA-Lib还提供了一种统一的API调用接口,可以直接导入函数或通过名称实例化。
调用函数的方式与函数API相同。
TA-Lib支持的指标包括多个技术指标,分为不同的函数分类。
以下是TA-Lib的全部介绍和使用方法。
TA-Lib的缺点可能是性能问题。
我测试了另一款Tulip技术分析库的性能,发现tulip的性能远超TA-Lib。
关于Tulip如何战胜TA-Lib,原因有以下两点:
第一点:为了性能,Tulip在程序中广泛采用宏来替代常规函数,这可能导致代码难以理解,改bug复杂等问题。
第二点:Tulip为了保证接口的普适性,在正式计算之前进行了一系列的施法咏唱,导致代码冗长。
为了获取tulip的强大性能,设计了通达信适用的tulip技术分析dll,能够调用全部tulip的函数。
通达信现在也能够享受到高级技术分析库的全部优点了。
Tulip的源码已经编写通用的DLL,能够在通达信和大智慧中随意调用。
以上DLL都是可以付费含代码出售的。
如果想学习DLL的编写方法,有付费的《通达信》编写DLL的教程。