作者文章归档：course

趋势

283 views

“趋势”这个词有多种含义呢。

一、在一般语境下（表示事物发展的动向）

定义
趋势是指事物发展的倾向，是一种比较持久的、具有一定方向性的变化态势。例如，在时尚领域，每年服装的流行趋势都不同，可能今年流行复古风格的服装，这就是一种在服装款式选择上的发展倾向。
影响因素
内部因素：事物自身的特性和发展规律会影响趋势。以科技产品为例，智能手机芯片性能不断提升是一种趋势。这是因为芯片制造技术自身在不断进步，研发人员通过不断改进芯片的架构、制程等内部因素，使得芯片性能得以持续提高。
外部因素：包括社会环境、经济状况、政策法规等。比如，随着环保政策的加强，汽车行业出现了向新能源汽车发展的趋势。政府对...

对角矩阵

267 views

定义
- 对角矩阵（Diagonal Matrix）是一种方阵，即行数和列数相等的矩阵。在对角矩阵中，除了主对角线（从左上角到右下角的对角线）上的元素外，其余元素都为0。主对角线元素可以是任意实数或复数。例如，一个(3\times3)的对角矩阵(D)可以表示为(D = \begin{bmatrix}a&0&0\0&b&0\0&0&c\end{bmatrix})，其中(a)、(b)、(c)是主对角线上的元素。
性质
- 乘法性质
  - 对角矩阵与同阶方阵相乘相对简单。设(A)是一个(n\times n)的对角矩阵(A=\begin{bmatr...

394 views

定义
- 在统计学和信号处理领域：decorrelation（去相关）是指减少或消除变量之间相关性的过程。当两个或多个变量之间存在相关性时，意味着它们的变化不是相互独立的，通过去相关操作可以使它们在一定程度上相互独立。例如，在时间序列数据中，两个时间序列可能因为受到共同因素的影响而具有相关性，去相关可以将这种关联去除，使得分析更加简单。
- 在向量和矩阵的情境下：对于一组向量，如果它们之间存在线性相关性，通过一定的变换可以使它们变成相互正交（不相关）的向量，这个过程也称为去相关。
方法
- 主成分分析（PCA）
  - 原理：PCA是一种常用的去相关方法，特别是对于高维数据。它基于数据的协方差...

305 views

定义
- 在数学和线性代数领域，对于一个方阵(A)，如果存在一个非零向量(x)和一个标量(\lambda)，使得(Ax = \lambda x)，那么向量(x)被称为方阵(A)的特征向量（eigenvector），标量(\lambda)称为对应的特征值（eigenvalue）。简单来说，特征向量是在矩阵变换下方向不变（可能会反向），而长度可能会改变的向量。例如，对于一个旋转矩阵，如果有向量在旋转后方向不变（只是长度可能改变），那么这个向量就是该旋转矩阵的特征向量。
计算方法
- 特征方程法：对于(n\times n)方阵(A)，计算特征值是通过求解特征方程(\det(A - \la...

304 views

定义
- 在数学中，特别是矩阵分析领域，一个实对称矩阵(A)如果对于任意非零向量(x)，都有(x^TAx\geq0)，那么矩阵(A)被称为半正定矩阵（positive - semidefinite）。其中(x^T)是向量(x)的转置。如果对于任意非零向量(x)，有(x^TAx > 0)，那么矩阵(A)是正定矩阵（positive - definite）。可以看出正定矩阵是半正定矩阵的一种特殊情况。
判定方法
- 特征值判定：实对称矩阵(A)是半正定矩阵当且仅当它的所有特征值都大于或等于(0)。例如，对于一个(2\times2)的实对称矩阵(A=\begin{bmatrix}a&...

276 views

个人量化交易是指个体投资者运用量化分析方法和工具来构建并执行自己的投资策略，以下是关于个人量化的详细介绍：

自主性强：个人量化投资者能够完全按照自己的投资理念、风险偏好和市场判断来设计交易策略，无需遵循机构的既定规则或流程，有充分的自由去探索和尝试各种创新的方法。
灵活性高：可以迅速根据个人的财务状况、投资目标的变化调整量化策略。例如，当个人投资者临近退休，可能会将投资策略从追求高收益高风险的量化模型转向更注重资产保值、波动较小的策略，这种调整可以在较短时间内完成，而不像机构那样需要复杂的决策流程。
资金规模受限：与大型机构相比，个人投资者可用于量化交易的资金通常较少。这可能限制...

361 views

量化交易是一种利用数学模型和计算机算法来进行交易决策的投资策略。以下是详细内容：

基本原理
- 数据驱动：量化交易依赖大量的金融数据，包括历史价格、成交量、宏观经济数据、公司财务数据等。通过对这些数据的分析和挖掘，寻找可能存在的规律和模式。例如，分析股票价格的历史走势，发现某只股票在特定的市场条件下（如利率下降、行业整体增长等）经常出现上涨趋势。
- 数学模型构建：使用统计分析、时间序列分析、机器学习等方法构建交易模型。例如，用线性回归模型来预测股票价格与某些因素（如市盈率、市净率等）之间的关系，或者使用神经网络模型来捕捉更复杂的市场动态。这些模型会根据输入的数据生成交易信号，如买入、卖出...

275 views

以下是一个简单的 2025 年目标规划月维度表格的 Markdown 示例，你可以根据自己的实际需求修改和完善：

月份	目标 1	目标 2	目标 3	进度记录	完成情况
一月	学习新的编程语言基础	阅读 2 本专业书籍	开始健身计划，每周锻炼 3 次	编程语言学习到变量与数据类型章节；读完一本专业书；健身完成 10 次	部分完成
二月	深入学习编程语言的函数与模块	完成一个专业相关的小项目	优化健身计划，增加力量训练	函数学习中；小项目完成 50%；力量训练加入	进行中
三月	掌握编程语言的面向对象编程概念	撰写专业文章并投稿	参加一次健身比赛或活动	-	-
四...

304 views

定义
维度缩减（Dimension Reduction），也称为降维，是一种在数据处理和分析过程中，通过将高维数据转换为低维数据来简化数据结构的技术。在许多实际的数据集（如基因数据、图像数据、文本数据等）中，数据可能具有很高的维度，这会带来诸如计算复杂度高、存储成本大、模型过拟合等问题。降维技术可以有效地解决这些问题。
主要方法
主成分分析（Principal Component Analysis，PCA）
- 原理：PCA是一种最常用的线性降维方法。它的基本思想是通过寻找数据方差最大的方向来构建新的坐标轴（主成分），这些主成分是原始变量的线性组合。第一个主成分是能够解释数据最大方差的方向...