现在位置：首页 » » 摩根纽约总部量化女神手把手教你学Python机器学习与量化交易
摩根纽约总部量化女神手把手教你学Python机器学习与量化交易
作者:财汇控 分类: 评论(0) 浏览(818)
00基本预测.mp4
第01节-Python数据结构.mp4
第01节-简介与Python安装.mp4
第02节-Python for Finance常用packages学习I.mp4
第03节-Python for Finance常用packages学习I.mp4
第04节-金融数据建模与预测-风险测度因子.mp4
第05节-Parameter optimization (参数优化) .mp4
第05节-事件驱动的交易:策略和实施.mp4
第06节-贝叶斯估计.mp4
第06节-贝叶斯例子和线性模型.mp4
第06节-贝叶斯随机波动率.mp4
第07节-金融时间序列分析-I.mp4
第08节-金融时间序列-II-Hidden Markov Models.mp4
第08节-金融时间序列-II state model.mp4
第08节-金融时间序列II-卡尔曼滤波.mp4
第08节-金融时间序列II-协整性.mp4
第09节-boosting&bagging.mp4
第09节-shrinkage regression.mp4
第09节-决策树.mp4
第09节-线性回归.mp4
第10节-SVM和交叉验证的模型选择.mp4
第10节-逻辑回归.mp4
第10节-判别分析.mp4
第11节- Neural network.mp4
第11节-Introduction to Clustering.mp4
第11节-主成分分析.mp4
第12节-机器学习于量化交易中的应用IV.mp4
第13节Python for ODE PDE numenical methods (Python for偏微分方程数值解).mp4
第14节美式期权和欧式期权定价.mp4
第15节常见蒙特卡罗方差降低方法与期权定价.mp4
第15节信用风险的IRC模型和高斯核.mp4
第15节重点抽样级数和测度变化.mp4
第16节简历和面试II.mp4
第16节面试I.mp4
转载分享请注明原文地址(中国领汇团队，谢佳颖，李进财，蔡森，交易之家，七禾网，炒股票期货外汇期权入门基础实战交易视频课程教程--财汇控)：https://www.caihuikong.com/post-838.html
第01节-Python数据结构.mp4
第01节-简介与Python安装.mp4
第02节-Python for Finance常用packages学习I.mp4
第03节-Python for Finance常用packages学习I.mp4
第04节-金融数据建模与预测-风险测度因子.mp4
第05节-Parameter optimization (参数优化) .mp4
第05节-事件驱动的交易:策略和实施.mp4
第06节-贝叶斯估计.mp4
第06节-贝叶斯例子和线性模型.mp4
第06节-贝叶斯随机波动率.mp4
第07节-金融时间序列分析-I.mp4
第08节-金融时间序列-II-Hidden Markov Models.mp4
第08节-金融时间序列-II state model.mp4
第08节-金融时间序列II-卡尔曼滤波.mp4
第08节-金融时间序列II-协整性.mp4
第09节-boosting&bagging.mp4
第09节-shrinkage regression.mp4
第09节-决策树.mp4
第09节-线性回归.mp4
第10节-SVM和交叉验证的模型选择.mp4
第10节-逻辑回归.mp4
第10节-判别分析.mp4
第11节- Neural network.mp4
第11节-Introduction to Clustering.mp4
第11节-主成分分析.mp4
第12节-机器学习于量化交易中的应用IV.mp4
第13节Python for ODE PDE numenical methods (Python for偏微分方程数值解).mp4
第14节美式期权和欧式期权定价.mp4
第15节常见蒙特卡罗方差降低方法与期权定价.mp4
第15节信用风险的IRC模型和高斯核.mp4
第15节重点抽样级数和测度变化.mp4
第16节简历和面试II.mp4
第16节面试I.mp4
转载分享请注明原文地址(中国领汇团队，谢佳颖，李进财，蔡森，交易之家，七禾网，炒股票期货外汇期权入门基础实战交易视频课程教程--财汇控)：https://www.caihuikong.com/post-838.html
免责声明
- 本站所有涉及视频及图书，公式等由互联网搜索收集而来，本站不拥有此类资料的版权。
本站作为资源服务提供者，对非法转载，盗版行为的发生不具备充分的监控能力。但当版权拥有者提出侵权指控并出示充分的版权证明材料时，本站负有移除盗版和非法转载作品以及停止继续传播的义务。
本站在满足前款条件下采取移除等相应措施后，不为此向原发布人承担违约责任或其他法律责任，包括不承担因侵权指控不成立而给原发布人带来损害的赔偿责任。
如果版权拥有者发现自己作品被侵权，请及时向本站提出权利通知，并将姓名、电话、身份证明、具体链接（URL）、省版权局和国家版权局核发的版权所属证明及详细侵权情况描述发往本站邮箱370662024@qq.com，本站在收到相关举报文件后，在3个工作日内移除相关涉嫌侵权的内容。
最新文章