不确定性工具箱 用于预测不确定性量化，校准，python工具箱。 另外：的以及的集合。 许多机器学习方法会返回预测以及某种形式的不确定性，例如分布或置信区间。 这就引出了一个问题：我们如何确定最佳的预测不确定性？ 产生最佳或理想不确定性是什么意思？ 我们的不确定性是否准确且经过良好校准？ 不确定性工具箱提供了用于量化和比较预测性不确定性估计值的标准度量，提供了这些度量的直觉，生成了这些度量/不确定性的可视化效果，并实施了简单的“重新校准”程序来改善这些不确定性。 该工具箱当前专注于回归任务。 工具箱内容 不确定性工具箱包含： 与预测不确定性量化相关的。 评估预测不确定性估计的质量的。 预测不确定性估计和指标。 用于改善预测变量校准的方法。 有关度量标准和方法的相关。 安装 不确定性工具箱需要Python 3.6及更高版本。 要安装，请克隆并通过cd进入此仓库，然后运行： $

量化策略有几个大的方向，趋势、网格、趋势+网格、还有目前最为流行的机器学习。本文介绍了几个经典算法与策略。很多新入门者对量化交易都有误解，以为就靠几个算法策略就可以在市场上躺着赚钱。但往往时间一长，就都认识到市场的复杂多变了，差别在于被坑的多还是少。本文指明了常见的几个大坑，希望有志于量化交易的同道可以提前避免。

非均匀量化 为了减小量化误差，引入了非均匀量化的方法。 非均匀量化依据一幅图像具体的灰度值分布的概率密度函数，按总的量化误差最小的原则来进行量化。 具体做法是对图像中像素灰度值频繁出现的灰度值范围，量化间隔取小一些； 而对那些像素灰度值极少出现的范围，则量化间隔取大一些。 显然，在需要以少的数据量来描述图像的场合，可以采用非均匀量化技术，以达到尽量少的数据使所描述的图像效果尽可能地好。 x y f(x,y) N M

VNPY4.0是VNPY官方 http://www.vnpy.cn 发布的量化交易开源框架，精于量化，以回测为起点。 上海量贝信息科技有限公司是中国大陆从事量化相关软件和信息服务企业，公司位于上海，在国内市场，客户定位包括个人量化交易爱好者、高校、证券公司、基金管理公司、银行和投资公司等金融企业。

易交易者 进行自动的程序化股票交易 支持跟踪joinquant ， ricequant的模拟交易 支持跟踪雪球组合调仓 支持通用的同花顺客户端模拟操作 实现自动登录 支持通过webserver远程操作客户端 支持命令行调用，方便其他语言适应 基于Python3.6，Win。注：Linux仅支持雪球 微信群以及公众号 欢迎大家扫码关注公众号“食灯鬼”，一起交流。进群可通过菜单加我好友，备注量化。 若二维码因Github网络无法打开，请点击打开图片。 作者 easytrader :copyright: ，根据许可证发行。 博客 ·微博·Twitter 相关 支持券商 海通网上交易系统独立委托 华泰客户端（专业交易Ⅱ） 国金客户端（全能行证券交易终端PC版） 其他券商通用同花顺客户端（需要手动登陆） 模拟交易 雪球组合@ （） 使用文档 作者其他作品

python可转债量化策略

均线EA单均线，K线与均线金叉做多，死叉做空，自由设定参数。

这计算了 CSLBP 算子的直方图，它是 LBP 的扩展。 使用 CSLBP 对于照明和模糊类型的图像转换非常有效。 它返回长度为 16 的未归一化的 CSLBP 直方图。人们可以根据他的应用程序轻松进行归一化。 大多数情况下，它用作关键点描述符。 检测关键点，估计关键点周围的局部补丁，然后计算 CSLBP 描述符。 然而，为了简单起见，下面的示例计算图像级描述符而不是局部关键点描述符。 例子： %% 加载图像img = imread('myImage.jpg'); 如果RGB，%%转换为灰度img = rgb2gray(img); h = CSLBP(img); % 它返回给定图像/补丁的 CSLBP 直方图。 可以很容易地按照原始论文中的建议将向量归一化为 0-1 之间h = h./sum(h);

大名鼎鼎的经典计算机体系结构教材，绝对的官方版，质量很高！

这是《从编程小白到量化宗师之路》系列的第一个高级课程。本课程宗旨是缩短个人和小型结构投资者和大型机构投资者的差距。课程内容从C++环境的安装开始使用，到期货数据采集，完美实现一套期货交易高频软件开发（也可做虚拟货币交易）。课程注重实战，学员上课后，可以达到：日常进行的高频交易，自定添加新的股票接口，添加新的虚拟货币交易所。 《《编程小白到量化宗师之路---高频交易系统编写---期货CTP高频数据Tick下载》是上述课程的拆分课程，便于同学们自己针对性选择学习。 本可能涵盖C++环境安装 cmake， VS2019，从现在上期技术的CTP API直到编写行情和交易部分代码，最终完成一个每天自动下载全市场行情数据的工具应用编写。