- 综合排序
- 最热优先
- 最新优先
- 来自专栏人工智能与演化计算成长与进阶
多目标多因子算法和多因子算法的区别
多目标多因子算法和多因子算法的区别 “参考文献 [1]GUPTA A, ONG Y-S, FENG L, et.al. Gupta等[1]于2017年首次将多任务优化运用到解决多目标问题中，并在MFEA的基础上进行了拓展提出了一种多目标多因子进化算法（MOMFEA）。
1.5K10发布于 2020-08-13 - 来自专栏机器学习/数据可视化
基于Python的多因子分析
去掉无效字段 df.drop(["gender","education","age"],axis=1,inplace=True) # 去掉空值 df.dropna(inplace=True) 充分性检测 在进行因子分析之前，需要先进行充分性检测，主要是检验相关特征阵中各个变量间的相关性，是否为单位矩阵，也就是检验各个变量是否各自独立。 DataFrame格式后数据展示效果更好：仍然是2436条数据，5个特征（新特征） [008i3skNgy1gw5g2salwvj30pm0oe41a.jpg] 至此，我们完成了如下的工作： 原数据的相关性检测 Analysis：https://www.datasklr.com/principal-component-analysis-and-factor-analysis/factor-analysis 2、多因子分析
2.7K00发布于 2021-11-06 - 来自专栏网络安全攻防
多因子类身份认证
Microsoft账号并管理其他网站的二次验证码，支持从Edge浏览器中同步密码并可以在 iPhone与Android设备上自动填充密码 MFA认证 MFA(Multi-Factor Authentication，多因子认证 要求用户在登录或进行敏感操作时提供多个独立的身份验证因素，MFA与双因子认证类似，MFA引入了额外的因素来增加账户的安全性，双因子认证也算是广义上的MFA认证方式，MFA在双因子的认证基础之上还需要进行进一步的强化，引入新的认证因子 文末小结 多因子认证
3.1K10编辑于 2024-01-02 - 来自专栏数说工作室
量化投资之多因子选股模型
? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?
982170发布于 2018-04-08 - 来自专栏量化投资与机器学习
干货 | 高频多因子存储的最佳实践
高频多因子存储有哪些挑战？ 在数据高频次和因子高数量的双重叠加之下，会很容易将数据量推到 T 级，那么高频多因子的存储方案就必须同时面对以下问题： 庞大的数据量 因子计算通常有3个维度，股票、因子和时间。 对于以上的每个问题，高频多因子的存储方案除了尽可能每一方面都有良好的表现，更重要的是不能有明显短板，否则在数据操作量级大幅上升后，会大幅度降低因子量化的生产效率。 下文中，将基于高频多因子存储场景，为大家介绍一个基于 DolphinDB 实现的因子库和因子存储方案，对比不同存储模式下的性能。 综合考虑，在高频多因子的场景下，合理设计存储方案的单值模式是最好的解决方案。
2.6K20编辑于 2023-01-03 - 来自专栏技术文章
Elabscience Aptplex™多因子检测，一管血看清免疫全景
单点检测三大误区误区一：免疫方向只看一个标志容易“看走眼”检测到 IFN-γ 升高，就是Th1免疫激活了？但需要考虑：有没有IL-12配合，微环境支不支持？ 检测到 IL-4 升高，就认为是Th2偏向了？但需要考虑：是单纯的过敏，还是寄生虫感染？ 仅检测单个极化标志物，难以界定免疫应答的整体格局与具体类型。 检测少数炎症指标，难以对免疫风暴进行动态风险评估，可能错过最佳的预警与干预窗口。多指标联检，有哪些不同？既然单点检测有这么多局限，那如果一次实验同时检测多个相关指标，情况会不会不一样呢？ 所以，Elabscience® 推出了 Aptplex™ 多因子检测试剂盒。不拆样本，不拼数据，一次检测，多个指标同时看，让全景式检测变得简单可行！ 选择一：预混型试剂盒——开箱即用，特别适合“第一次”如果你：ü 刚接触多因子检测，不想自己摸索条件ü 有标准化的临床样本需要快速筛查ü 想先做个预实验看看效果我们有精心研发推出的即用型试剂盒，5-14通道多指标可选择
3400编辑于 2026-02-28 - 来自专栏百味科研芝士
如何使用Graphpad绘制多因子图
昨天我们给大家推送了如何用Origin做多因子组箱线图，那么今天我们来看看GraphPad如何绘制多因子图。 软件 GraphPad Prism 8 ?
2.9K10发布于 2020-05-26 - 来自专栏量化小白上分记
多因子尝试（二）：因子正交化
01 背景 因子多重共线性 如上一篇所述，传统的多因子模型一般采用IC加权、ICIR加权等方法，这些方法都是以IC为基础确定各因子在模型中的权重。而IC是当期因子暴露与下一期收益间的相关系数。 07 参考文献 【1】20171030-天风证券-天风证券金工专题报告：因子正交全攻略，理论、框架与实践 【2】20180310-光大证券-光大证券多因子系列报告之十：因子正交与择时，基于分类模型的动态权重配置 【3】20170119-海通证券-选股因子系列研究（十七）：选股因子的正交 多因子尝试（一）：因子加权 资产瞎配模型（一）：MVO、风险平价等 资产瞎配模型（二）：对（一）的纠正
12.6K77发布于 2019-01-22 - 来自专栏生信修炼手册
MDR多因子降维分析实战
MDR多因子降维法是逻辑回归的一种补充，可以有效进行基因和基因，基因和环境因素之间的相互作用分析，核心算法如下 ?
2K20发布于 2019-12-19 - 来自专栏生信修炼手册
多因子降维法MDR分析GxG, GxE交互作用
研究相互作用有两种方式，第一种是基于回归分析的方法，在回归方程中引入自变量间的相互作用；第二种方法是机器学习，主流的方法是多因子降维法 multifactor dimensionality reduction GMDR全称如下 generalized multifactor dimensionality reduction 称之为广义多因子降维法，在MDR的基础上结合了广义线性模型，比如逻辑回归，泊松回归，线性回归
1.8K40发布于 2019-12-19 - 来自专栏Reinvent Data Science
Milvus 实战｜生物多因子认证系列 (二）：人脸识别
| 关键技术 人脸识别通常包括人脸检测、人脸特征提取、人脸特征比对这三个环节。 人脸检测 人脸检测是人脸识别完整流程中的一个环节。 人脸识别系统首先用摄像头采集含有人脸的图像或视频流，然后用人脸检测技术检测人脸位置、定位五官关键点、提取人脸，随后才能进行人脸图像预处理及人脸特征提取。 在具体的应用中，我们通过结合人脸识别和声纹识别实现了一个生物多因子认证系统。所谓生物多因子认证，就是利用认证人所拥有的生物信息（包括指纹、人脸、声纹等）实现的一种更加安全的身份认证方式。 我们实现的生物多因子认证系统具体搭建步骤可以参考： https://github.com/milvus-io/bootcamp/tree/master/solutions/MFA。 关于声纹识别的介绍请参考本系列的第一篇文章：Milvus 实战｜生物多因子认证系列 (一）：声纹识别。
3.2K10发布于 2020-07-03 - 来自专栏钱塘小甲子的博客
多因子模型之因子（信号）测试平台----alphalens（三）
广告：本人的单因子测试视频教程 https://study.163.com/course/introduction/1005568012.htm
2.3K60发布于 2019-01-28 - 来自专栏百味科研芝士
如何用Origin做多因子组箱线图
那么今天我们要学的是如何使用Origin做多因子箱线图。 软件 ? Origin 2019b 32Bit ? 数据 ? 关于多因子箱线图的数据输入，一般分为两种：索引数据和原始数据。 首先我们先按照索引数据进行作图。 1. 打开Origin，数据输入(跟上述数据格式一致) ? 2. 选中数据，选择多因子箱线图(索引数据) ? 3. 选中数据(因为我们是选中数据，才点击的图形模板，所以不需要动，如果改变了，可以重选一下)，选择X列作为分类列 ? 4. 这里的话，最基本的多因子箱线图就做好了 ? 6. 右击图例，进行设置(选择重构，使用注释作为图例) ? 7. 选中数据，选择多因子箱线图(Raw) ? 3. 参数设置保持默认就好了，即可出图 ? 4. 原始图如下所示 ? 5. 剩下来的参数设置上述都讲的很详细了，大家一步一步来设置即可。 ?
19.1K40发布于 2020-05-20 - 来自专栏量化投资与机器学习
基于 RNN、LSTM 的股票多因子预测模型
本篇推文的目的是利用深度神经网络中的 RNN 的一些基本结果，对多因子模型进行尝试，以检验深度神经网络在多因子、投资领域的适用性，使得投资者能够对神经网络有 更为实践的理解，并能够在投资领域有所运用。 LSTM 的变形 3-GRU 多因子建模 数据结构 多因子模型处理的数据结构是标准的面板数据，包括三个维度:个股、时间、 因子，对应的应变量是 T+1 期的收益率。 多因子的 RNN 数据结构 我们先设定具体的参数，再进一步理解 RNN 在多因子训练中的具体过程。 训练结果 数据预处理:仿照多因子的流程，对截面因子进行去极值、标准化的处理，同时， 为了剔除行业的效果， 截面单因子对行业矩阵回归，取残差作为最终输入的因子 数据。 总结 多因子模型的发展趋于成熟，因子的 alpha 收益出现了下降的趋势。如果维持多因子模型的收益是量化领域的一个核心问题。
9.6K83发布于 2018-01-29 - 来自专栏量化投资与机器学习
A股市场机器学习多因子模型实证
基于以上的市场特征，并参考Gu（2020），作者主要探讨了机器学习的多因子模型在A股市场上的表现是否能够达到预期效果？哪些因子模型在A股市场上表现更优？
1.7K30编辑于 2022-09-08 - 来自专栏量化投资与机器学习
A股动态多因子模型实践
因子模型和组合优化 基于以上发现，我们构建了一个动态多因子模型（Model 1），除此之外还构建了三个用于对比的模型（Model2-Model4）。 下面分别介绍一下这4个模型： Model1 动态多因子模型 模型的整体流程如图10所示，具体说明如下： 1、因子预测能力过滤，考虑到因子动量效应，t-1时刻，在每个因子组内选择一个预测效果最好的因子（基于
2.3K21编辑于 2022-03-03 - 来自专栏钱塘小甲子的博客
多因子模型之因子（信号）测试平台----计算因子值
近一个半月疯狂的接触多因子模型，其中对于单个因子的回测，是最熟的。而对于单个因子，或者叫做signal（这一系列文章后续都这么叫），是多因子模型的基础。 其实，多因子模型的第一步就是这么简单。当然，这个因子是最简单的一个因子了，别的因子会用到别的数据，无论如何，核心的一步就是，千方百计计算好你的因子值，然后存下来。
1.3K40发布于 2019-01-28 - 来自专栏Data Analyst
方差分析中的多因子交互作用
多因子方差分析的因子交互作用可以这样理解，比如经常吃的消炎药头孢，通常会认为服用三片要比服用一片效果好，但经过实际验证测试发现，男女之间用药效果并不相同。 多因子方差分析中，当交互作用存在时，单纯去研究某个因素的作用已没有意义，需要分别探讨这个变量在另一个因素不同水平上的作用模式。 有无交互项对方差分析构成的影响 多因子方差分析可以理解为下图的形式，即模型中，工资是由基准值、受教育程度、性别、受教育程度与性别的交互作用 以及未解释的变量 等几部分构成，这其中便涉及到了多因子交互作用的问题 是否设置交互项 多因子方差分析中，是否需要设置交互项呢？
2.8K20发布于 2019-07-15 - 来自专栏ACM算法日常
最多因子数（DFS+数论+剪枝）- CodeVS 1032
数学家们喜欢各种类型的有奇怪特性的数。例如，他们认为945是一个有趣的数，因为它是第一个所有约数之和大于本身的奇数。
1.3K20发布于 2018-08-07 - 来自专栏钱塘小甲子的博客
多因子模型之组合构建与优化器（下）
前面我们讨论了等式约束下的情况，那么如果有不等式约束呢？比如，我们不能做空股票，那么就要求每一个股票的权重都要大于1，或者对于特定的股票我们给予特殊的权重的设定等等。 这里，我们就假设我们设置两个不等式约束： 不能做空 股票s2的权重要要大于等于0.1. 这个时候，我们的约束条件就是：
1.3K41发布于 2019-01-28
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号