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android自助终端界面源码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的在线ps源码问题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,去旅行的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seo 论坛建站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、java源码详解磁力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。