Yangami

a

CNN

该项目利用卷积神经网络算法识别股票技术图线，步骤包括图像生成、图像标注、模型学习

Genetic-Algorithm-Kmeans

对于一个板块内的股票使用Kmeans聚类剔除垃圾股，利用遗传算法分析上市公司的财务指标，从基本面的角度得出合理的股票选择模型，帮助投资者在某个板块内确定出选择高收益股票的标准，策略样本外回测计效见backtest.png文件。

KNN-for-pattern-recognize-

KNN形态识别 股票形态识别（如W双底）用图像识别的方法准确率高但速度慢（因要画图），用K-近邻方法以数值型数据计算快准确率基本符合要求(查准率70%左右)，可用于对决策时间有要求的交易。 工作完成情况： 1、W双底识别模型查准确率约70% 2、模型文件上载到聚宽后可在回测中调用。

LSTM-for-price-prediction

算法根据单个板块或单只股票的历史数据判断板块指数或个股次日收盘价信息，得到相应的调仓对策。可回归（预测具体价格）可分类（预测涨跌）。 长短期记忆模型(LSTM)是循环神经网络(RNN)的一种，每个输入样本都是一个序列（如某板块20天的四价一量）用这个序列预测结果。它认为某些指标长期的趋势对预测值有影响，有些无影响，让神经元控制短期记忆和长期记忆，克服了实践中时间越长影响参数越小的问题。

Python-for-Statisticians

help you learn Python in a statistical style which means we use code with statistical knowledge

Yangami/Genetic-Algorithm-Kmeans

对于一个板块内的股票使用Kmeans聚类剔除垃圾股，利用遗传算法分析上市公司的财务指标，从基本面的角度得出合理的股票选择模型，帮助投资者在某个板块内确定出选择高收益股票的标准，策略样本外回测计效见backtest.png文件。

Yangami/LSTM-for-price-prediction

算法根据单个板块或单只股票的历史数据判断板块指数或个股次日收盘价信息，得到相应的调仓对策。可回归（预测具体价格）可分类（预测涨跌）。 长短期记忆模型(LSTM)是循环神经网络(RNN)的一种，每个输入样本都是一个序列（如某板块20天的四价一量）用这个序列预测结果。它认为某些指标长期的趋势对预测值有影响，有些无影响，让神经元控制短期记忆和长期记忆，克服了实践中时间越长影响参数越小的问题。

Yangami/KNN-for-pattern-recognize-

KNN形态识别 股票形态识别（如W双底）用图像识别的方法准确率高但速度慢（因要画图），用K-近邻方法以数值型数据计算快准确率基本符合要求(查准率70%左右)，可用于对决策时间有要求的交易。 工作完成情况： 1、W双底识别模型查准确率约70% 2、模型文件上载到聚宽后可在回测中调用。

Yangami/CNN

该项目利用卷积神经网络算法识别股票技术图线，步骤包括图像生成、图像标注、模型学习

Yangami/Python-for-Statisticians

help you learn Python in a statistical style which means we use code with statistical knowledge

Yangami/a