量化策略:决策树模型在有色板块仓单数据中的应用

决策树也叫做DecisionTree,是在已知各种情况发生概率的基础上,通过构成决策树来求取净现值的期望值大于等于零的概率,评价项目风险,判断其可行性的决策分析方法,是直观运用概率分析的一种图解法。由于这种决策分支画成图形很像一棵树的枝干,故称决策树。在机器学习中,决策树是一个预测模型,他代表的是对象属性与对象...

从“选择困难症”说起:如何让决策树替你做选择?

决策树的分裂过程不能无限制地进行,否则可能导致模型过拟合——过度适应训练数据,而在新数据上表现不佳。因此,合理地设置停止条件至关重要。常见的停止条件包括:最大深度(MaxDepth):限制决策树的深度,以避免树过深导致过拟合。最小样本分裂数(MinSamplesSplit):如果一个节点中的样本数少于这个值,则停止分...

北京汽车申请基于数据闭环与决策树协同的自动驾驶换道决策方法...

该方法可以包括:步骤1:获取初始的驾驶数据;步骤2:针对驾驶数据进行处理,获得特征值数据;步骤3:针对特征值数据,通过决策树算法进行建模;步骤4:部署模型至自动驾驶软件系统,通过实时环境信息判断是否换道,实现在线决策;步骤5:通过实时环境信息获取新的驾驶数据,重复步骤2??5。本发明能够提升变道决策方法的准确...

AI产品经理必知的100个专业术语|算法|向量|拟合|贝叶斯|大模型|...

15、决策树(DecisionTree)决策树是一种树形结构模型,用于分类或回归。每个内部节点表示一个属性上的测试,每个分支代表一个测试结果,每个叶子节点代表一个类别或输出值。16、随机森林(RandomForest)随机森林是由多个决策树组成的集合模型,通过集成多个弱分类器来提高预测的准确性和鲁棒性。17、支持向量机(Suppor...

深度神经网络DNN、RNN、RCNN及多种机器学习金融交易策略研究|附...

本文介绍了利用BP神经网络进行股价预测,通过构建特殊的交易策略在复杂的市场环境中(如黄金和比特币市场)进行投资交易,并结合深度神经网络(DNN)、循环神经网络(RNN)、循环卷积神经网络(RCNN)以及决策树、SVM、回归等多种机器学习方法在金融交易中的深入探索的实例代码和数据,不仅为金融交易提供了新的思路,而且有望...

基金持仓与基金业绩视角下的选股策略 | 开源金工

具体来说,沪深300成分股中长端动量强、换手稳定的股票未来收益高(www.e993.com)2024年11月7日。中证500成分股中出现在基金重仓股、净利润增长、换手波动低的股票未来收益高。沪深300样本池和中证500样本池中筛选共同标准是换手波动的平稳度高。流动性指标出现在决策树的末端,说明流动性对于基金增配股的重要性比基金减配股票低。

数据化运营、精准营销10大常用模型

8.决策树模型??定义:决策树是一种通过树状图来辅助决策的方法,它通过分析一系列属性(特征)来预测目标变量的值。??应用:在精准营销中,决策树模型可以用于预测用户的购买意向或行为。通过分析用户的历史数据(如浏览记录、购买记录等),决策树模型可以构建出用户行为路径的决策树,从而预测用户在未来是否可能购买...

华泰金工:机器学习模拟投资者分歧

投资者分歧度越高,股票预期收益越低树模型能够高效模拟投资者分歧本文使用50个LightGBM模型来模拟投资者的预测观点。输入特征为股票截面特征,包含估值、成长、财务质量、量价、一致预期等类别,共43个。每个模型会随机选取20个特征进行训练,以模仿投资者接收差异化信息源。最后,计算所有模型对同一交易日同只股票的预测...

【专题研究】KD-Ensemble:基于知识蒸馏的alpha因子挖掘模型

2.考虑到因子单元动态加权使用的是决策树模型,相较于神经网络,决策树优点在于泛化能力较强,且适合处理分类数据,但其拟合能力相对神经网络较弱,且只能拟合局部线性函数,对于极度非线性部分的函数关系,神经网络可能更有优势。基于此想法本文采用了知识蒸馏方法来对树模型和神经网络进行集成以捕捉alpha因子与未来收益率局部...

聚宽揭秘:为什么量化研究员喜欢在Kubernetes上使用Fluid简化数据...

收益预测:采用机器学习等先进技术,结合多个因子,构建对目标变量的精准预测模型,涵盖线性回归、决策树、神经网络等多种算法。组合优化:在预期收益和风险约束的基础上,通过优化算法,实现投资组合的最优配置,以最大化投资回报。回测检验:通过在历史数据上进行模拟交易,评估交易策略的有效性和稳定性。