MDP-DP-RL 该项目的目标是从头开始开发所有动态编程和强化学习算法(即,除了基本的numpy和scipy工具之外,不使用标准库)。 “从头开始开发”目标是出于教育目的-学习此主题的学生只有在他们开发和使用从头开始开发的代码时才能彻底理解这些概念。 我针对不同的学生背景讲授了该主题的课程,每门此类课程都以技巧/算法的精确编程实现为基础。 特别是,当我教Stanford CME 241:金融中的随机控制问题的强化学习( )时,会使用此代码库。 关于代码可读性,性能和错误的任何反馈将不胜感激,因为代码仍相当原始且未经各个部分的测试(2018年8月开始使用此代码,到目前为止主要处于代码增长模式)。 该项目开始于为有限的马尔可夫过程(又名马尔可夫链),马尔可夫奖励过程(MRP)和马尔可夫决策过程(MDP)实现基础数据结构。 其次是动态编程(DP)算法,其重点是在代码内以清晰的数学术语表
2021-10-04 12:17:47 148KB Python
1
mdp(马尔可夫决策过程)2009年matlab源码,非常详细全面,非常实用
2021-10-03 19:50:32 240KB matlab
1
粒子群算法(PSO)作为一种群智能算法,有效提高了投资组合模型的实用性,但存在搜索精度较低和易陷入局部最优的缺陷.为克服其缺点,本文提出基于天牛须搜索(BAS)的粒子群优化算法(简称BSO),并将其应用到包含完整费用的投资组合模型中.在基于天牛须搜索的优化算法中(BSO),每个粒子的更新规则源自BAS,在每次迭代中都有自己对环境空间的判断,而不仅依赖于PSO中历史最佳解决方案和粒子个体的当前全局最优解,从而减少迭代次数、提高搜索速度和精度.实证结果表明算法更具稳定性和有效性.
1
Portfolio_optimization 实施随机矩阵理论和Markowitz理论进行投资组合优化
2021-09-28 16:39:08 2KB
1
量化资产管理公司长期以来一直在为是构建投资组合优化模型还是购买现成的软件包的决定而苦苦挣扎。 为了满足不断变化的投资和风险管理需求,投资组合管理团队正在努力构建透明、易于采用且易于扩展的强大的投资组合管理解决方案。 在 MathWorks,我们与许多投资组合管理团队合作,他们采用 MATLAB 和相关工具箱来构建投资组合管理系统。 这些群体喜欢在透明、健壮和可定制的环境中构建和扩展模型的灵活性。 他们还喜欢在投资决策过程中使用这些模型之前,以最少的努力尝试新的研究想法的能力。 在本文中,我们将讨论 MATLAB 和金融工具箱中提供的各种投资组合优化函数。 特别是,我们将关注构建投资组合的新的面向对象方法,并讨论这种架构如何轻松构建和扩展应用程序。 我们将讨论 MATLAB 中 Portfolio 对象的面向对象实现,然后通过案例研究演示 Black-Litterman 优化方法的示例实现。
2021-09-27 11:05:56 828KB matlab
1
如何制定和改进方案?灵敏度分析的意义,从灵敏度分析技术改进的潜在效果。
2021-09-21 20:49:22 247KB 灵敏度分析
1
copula111cGarch111VaR函数估计由两只股票组成的投资组合的VaR(Value at Risk) 收益和提取违反VaR的次数 估计方法是条件copula-GARCH模型。 边缘有 GARCH(1,1) 并且 copula 函数是 Clayton copula。
2021-09-20 12:12:27 3KB matlab
1
灵敏度分析库(SALib) 常用的敏感性分析方法的Python实现。 在系统建模中有用,可用于计算模型输入或外部因素对目标输出的影响。 文档: 要求: , , , ,Python 3(从SALib v1.2开始,SALib不正式支持Python 2) 安装: pip install SALib或python setup.py install或conda install SALib 生成状态: 测试范围: SALib纸: Herman, J., Usher, W., (2017), SALib: An open-source Python library for Sensitivity Analysis, Journal of Open Source Software, 2(9), 97, doi:10.21105/joss.00097 方法包括: Sobol
1
要遍历代码并获得详尽的描述,请参见Meucci A.,“动态分配策略回顾” 最新版本的文章和代码可在http://symmys.com/node/153 上找到
2021-09-18 22:58:07 4KB matlab
1
该应用程序允许您对 SimBiology 模型执行全局敏感性分析 (GSA),以探索模型参数、物种或隔室的变化对模型响应的影响。 使用该应用程序,您可以计算 Sobol 指数并执行模型响应的多参数全局灵敏度分析。 要安装 Global Sensitivity Analysis App,只需双击 mltbx 文件。 您可以通过单击 MATLAB 工具条中的附加组件按钮来管理已安装的附加组件。 要启动应用程序,请在 MATLAB 命令行中输入以下内容:“startGlobalSensitivityAnalysisApp(model)”,其中模型是 SimBiology 模型。 有关如何应用剂量和变体的更多信息,请输入:“help startGlobalSensitivityAnalysisApp”。
2021-09-17 19:35:27 102KB matlab
1