Brinson理论的框架 象限1基金基准: 在此,我们将根据其长期投资基准确定投资组合的基准收益率。一个基金的基准收益是所采用的投资基准的结果。投资基准确定长期资产配置计划(包括资产类别和标准权重),用于控制总体风险和满足投资组合目标。简而言之,基准确定整个计划的投资组合的标准。要计算策略基准收益率,我们需要:(1)预先说明所有资产类别的权重,以及(2)分配在每种资产类别上的被动(或基准)收益。 象限2表示基准和择时的收益: 这里象限II的收益并不单表示了择时的收益,而是按照基准加以主动择时的综合收益。择时是指相对于基准,以提高收益和/或降低风险为目的,在资产类别的标准权重上战略地降低或提...

  ws8ODctzKAgC   2023年11月12日   39   0   0 权重计算策略权重计算策略

1、多种分割网络优缺点对比 全卷积神经网络 FCN的优点是将分类网改写为用于分割的像素点分类网。具体的改动包括两个方面,即将全连接层改写为卷积层,并且使用反卷积完成上采样的过程;同时使用跳跃连接的结构,将深的粗糙的信息与浅的精细的信息相结合,产生准确和精细的分割。 但是缺点也很明显:分割结果不够精细。进行8倍上采样虽然比32倍的效果好了很多,但是上采样的结果还是比较模糊和平滑,对图像中的细节不敏感;对各个像素进行分类,没有充分考虑像素与像素之间的关系;忽略了在通常的基于像素分类的分割方法中使用的空间规整(spatialregularization)步骤,缺乏空间一致性。 U-Net ...

1、CloudImageRetrievalforSeaFogRecognition(CIR-SFR)UsingDoubleBranchResidualNeuralNetwork(JSTARS) proposeacloudimageretrievalmethodforseafogrecognition(CIR-SFR) Thefeatureextractionmoduleadoptsthedoublebranchresidualneuralnetwork(DBRNN)tocomprehensivelyextracttheglobalandlocalfeaturesofcloudimages. a...

  ws8ODctzKAgC   2023年11月02日   86   0   0 CloudImageSeaSeaFogFogCloudImage

LSTM 使用门结构实现信息选择性的通过,主要是通过一个sigmoid的神经层和一个逐点相乘的操作来实现的。 门结构: sigmoid层输出(是一个向量)的每个元素都是一个在0和1之间的实数,表示让对应信息通过的权重(或者占比)。比如,0表示“不让任何信息通过”,1表示“让所有信息通过”。 LSTM通过三个这样的本结构来实现信息的保护和控制。这三个门分别输入门、遗忘门和输出门。 1、遗忘门 其中ht−1h_{t-1}ht−1表示的是上一个cell的输出,xtx_txt表示的是当前细胞的输入。σ\sigmaσ表示sigmod函数。 2、输入门 下一步是决定让多少新的信息加入到ce...

  ws8ODctzKAgC   2023年11月02日   104   0   0 LSTMLSTM

原因:回归算法将使用您提供的时间窗口中的值作为样本,以最大程度地减少误差。假设您正在尝试预测时间t的值。输入是以前的收盘价,即t-20到t-1的最后20个输入的时间序列窗口(假设样本输入的timestamp是20)。回归算法可能会学习在时间t-1或t-2处的值作为预测值,因为这样不需要做什么就可以达到优化的误差之内了。这样想:如果在t-1值6340,那么预测t时刻为6340或在t+1时为6340,从整体来看将最大程度地减小误差(因为误差是预测的很多点的误差进行汇总),但是实际上该算法没有学习任何东西,它只是复制,因此除了完成优化任务外,它基本上什么也不做。 解决方法: 不要给出真实的值,对输...

CVXOPT是一个用于解决凸优化问题的Python库,包括线性、二次和半定规划问题。二次规划问题是一种特殊类型的凸优化问题,其目标函数是二次的,约束条件是线性的。 二次规划问题的标准形式如下: 最小化:f(x)=x^TQx+r^Tx 约束:Ax≤b 其中,Q是一个对称矩阵,r和b是向量,A是一个系数矩阵。 CVXOPT库中解决二次规划问题的主要函数。这个函数使用内点法(InteriorPointMethod)来求解问题。内点法是一种用于解决线性或二次规划问题的数值方法,其主要思想是通过迭代逐步修改一个初始的可行解,使其逐渐接近最优解。 下面是solvers.qp函数的基本流程: 初始化:设定...

逐步回归流程: (1)初始模型不包含任何自变量 引入变量过程: (2)对每一个未被引入的自变量,将该自变量引入原模型,视作新模型; (3)对新模型和原模型进行F检验,如果p值低于变量被保留的p值阈值,则能提高模型的解释能力,引入该自变量。 (4)当步骤(3)中有多个自变量均满足该条件时,取其中p最小的自变量 (5)重复步骤(2)、(3)、(4)直到没有符合条件的自变量,得到包含多个自变量的新模型 剔除变量过程: (6)将步骤(5)得到的新模型中的自变量逐一剔除 (7)对剔除后的模型进行F检验,如果p值高于变量被剔除的p值阈值,则不会降低模型解释能力,剔除该自变量。 (8)当步骤(7)中有多...

  ws8ODctzKAgC   2023年11月02日   103   0   0 逐步回归逐步回归

Brinson理论的框架 象限1基金基准: 在此,我们将根据其长期投资基准确定投资组合的基准收益率。一个基金的基准收益是所采用的投资基准的结果。投资基准确定长期资产配置计划(包括资产类别和标准权重),用于控制总体风险和满足投资组合目标。简而言之,基准确定整个计划的投资组合的标准。要计算策略基准收益率,我们需要:(1)预先说明所有资产类别的权重,以及(2)分配在每种资产类别上的被动(或基准)收益。 象限2表示基准和择时的收益: 这里象限II的收益并不单表示了择时的收益,而是按照基准加以主动择时的综合收益。择时是指相对于基准,以提高收益和/或降低风险为目的,在资产类别的标准权重上战略地降低或提...

  ws8ODctzKAgC   2023年11月02日   120   0   0 BrisonBrison
关注 更多

空空如也 ~ ~

粉丝 更多

空空如也 ~ ~