【XGBoost 系列 第1讲】XGBoost在量化研究中的定位、适用场景与误用边界:第1讲——从算法本质到建模风险的系统性认知框架
本讲系统厘清XGBoost在量化研究技术栈中的真实定位,阐明其相较于线性模型、树基集成及深度学习方法的结构性优势与固有局限;深入剖析其在因子挖掘、选股打分、事件驱动信号生成等典...
阅读全文本讲系统厘清XGBoost在量化研究技术栈中的真实定位,阐明其相较于线性模型、树基集成及深度学习方法的结构性优势与固有局限;深入剖析其在因子挖掘、选股打分、事件驱动信号生成等典...
阅读全文本讲围绕 AkShare 的第一次上手,完成“安装成功并取回一份 A 股列表”这一最小可验证任务。内容覆盖环境准备、安装命令、股票列表接口调用、表结构检查与常见报错排查,目标是...
阅读全文本文系统解析Optuna中search space的工程化建模方法,聚焦连续型参数的边界敏感性控制、离散型参数的枚举完备性验证、条件型参数的依赖图谱构建三大核心维度。通过参数语...
阅读全文本讲聚焦量化研究中最基础但高频的数据加载任务——使用pandas读取金融CSV行情文件。通过最小可验证路径(仅需5行核心代码),完成环境配置、文件加载、前5行查看、基础结构检查...
阅读全文本文系统构建cvxpy在量化研究中的‘问题可解性判定框架’,严格界定凸优化适用边界:从目标函数曲率、约束集几何性质到数值可实现性三维度展开。详解线性/二次/指数锥等常见凸结构映...
阅读全文本讲系统对比LightGBM与XGBoost在量化因子建模场景下的底层算法差异、训练效率边界、过拟合响应特征及实盘泛化鲁棒性。通过沪深300成分股日频多因子数据集(2018–2...
阅读全文本讲作为《Optuna量化调参完整学习计划》开篇,系统解构Optuna在量化研究中的不可替代价值:突破网格/随机搜索的维度灾难与信息浪费,实现高维非凸策略空间的高效贝叶斯导向探...
阅读全文本讲作为《PyPortfolioOpt资产配置完整学习计划》第1/9讲,系统拆解PyPortfolioOpt在均值方差优化中的核心落地路径。重点覆盖历史收益率计算的频率对齐陷阱...
阅读全文