11.4 计算期权的‘希腊’参数 布莱克-舒尔斯的输入参数有股票现值 S，利率 r，期权有效期，波动率 ，及其他一些 因素。研究输入变量变化对期权价值的影响时，一种办法是计算期权的所谓“希腊”参数， 或对冲参数。经常计算的对冲参数是一些一阶偏导值：delta（描述股价变化的影响），rho （描述利率变化的影响），theta（描述期权有效期变化的影响），vega（描述波动率变化的 影响）；也经常计算股价的二阶偏导值 gamma。除了 theta 外，所有的对冲参数都由公式直 接给出。布莱克-舒尔斯偏微分方程将 thera 与期权价格，delta 值，gamma 值联系起来。 Option Greeks and Hedging：期权的‘希腊’参数以及对冲 【参照书中第 189 页的图 11.4】

20210612-首创证券-电气设备行业简评报告：光伏产业柳暗花明景气重启，海风地补落地确定性夯实.pdf

20210617-招商证券-“琢璞”系列报告之三十七：经济不确定性是否在股票收益中被定价？.pdf

本文讨论一类双退缩非线性抛物型方程的初边值问题(1),并用Galerkin 方法,在f(x,t,u,u_x)较为一般的情况下,证明整体解的存在性.

5G确定性网络产业白皮书_cn.pdf

确定性清洁机器人的基于模型的值迭代算法。 这段代码是值迭代算法的一个非常简单的实现，对于强化学习和动态规划领域的初学者来说，它是一个有用的起点。 确定性清洁机器人 MDP：清洁机器人必须收集用过的罐子，还必须为电池充电。 状态描述了机器人的位置，动作描述了运动的方向。 机器人可以向左或向右移动。 第一个 (1) 和最后 (6) 个状态是终止状态。 目标是找到一种最佳策略，以使任何初始状态的收益最大化。 这里是 Q-iteration（基于模型的值迭代 DP）。 参考：算法 2-1，来自： @book{busoniu2010reinforcement, title={使用函数逼近器的强化学习和动态规划}， 作者={Busoniu，Lucian 和 Babuska，Robert 和 De Schutter，Bart 和 Ernst，Damien}， 年={2010}, 出版商={CRC Pre

这是一个C语言的注释的有限自动机的实现代码。这是一个测试代码，采用的是输入一个字符串，让程序判断是不是一个有效的C语言风格的注释，也就是这种形式：/**/的注释。输入的过程中，不要使用空格。这只是一个简单的测试代码。

司机批评家 OpenAI Gym的CarRacing-v0环境解决方案。它使用DDPG算法（深度确定性策略梯度）。 快速开始 依存关系： 健身房0.18.0 Tensorflow 2.4.0 Matplotlib 3.3.4 当前版本的CarRacing-v0存在内存错误。为了解决这个问题，我们需要从Gym GitHub手动下载最新的“ car_racing.py”脚本。 正在运行的应用程序： 执行“ main_loop.py”以训练新模型。按空格键观看进度 可以通过运行“ evaluate_loop.py”来检查最佳解决方案。 解决方案 DDPG由4个网络组成： 演员-玩游戏 评论家-评估演员 目标演员和目标评论家-产生学习目标值 参考： : 它旨在创建一个基类，它将成为每个连续动作任务的基础。通过继承基类，可以轻松实现更复杂的解决方案。 CarRacing-v0是一种计算机视

20210606-国盛证券-银行业2021年中期策略：把握业绩的确定性，关注北上资金大幅流入.pdf

讲得很好，介绍很详细，共128页 1、概述 2、概率论基础 3、Bayes网络 4、主观Bayes方法 5、确定性方法 6、证据理论