1 document

1.1 研究标的为期货

1.2 研究标的为基金

1.3 研究标的为股票

1.4 研究方式为技术面

1.5 研究方式为基本面

1.6 研究方式为机器学习和人工智能

1.7 文档语言为英文

1.8 文档语言为中文

1.9 发布类型为研究报告

1.9.1 Journal of business strategies

1.9.2 the account review

1.9.3 The Journal of Finance

1.9.4 Quantitative Finance

1.9.5 Business finance & accounting

1.9.6 Journal of accounting & economy

1.9.7 financial management

…

2 stock

2.1 categories

2.1.1 普通股

是指在公司的经营管理和盈利及财产的分配上享有普通权利的股份，代表满足所有债权偿付要求及优先股东的收益权与求偿权要求后对企业盈利和剩余财产的索取权。

2.1.2 优先股

优先股在利润分红及剩余财产分配的权利方面优先于普通股。

2.1.3 后配股

是在利益或利息分红及剩余财产分配时比普通股处于劣势的股票，一般是在普通股分配之后，对剩余利益进行再分配。

2.1.4 垃圾股

经营亏损或违规的公司的股票。

2.1.5 绩优股

公司经营很好，业绩很好，每股收益0.8元以上.市盈率10-15倍以内.指那些业绩优良，但增长速度较慢的公司的股票。这类公司有实力抵抗经济衰退，但这类公司并不能给你带来振奋人心的利润。

2.1.6 蓝筹股

那些在其所属行业内占有重要支配性地位、业绩优良，成交活跃、红利优厚的大公司股票称为蓝筹股。

2.1.7 成长股

是指发行股票时规模并不大，但公司的业务蒸蒸日上，管理良好，利润丰厚，产品在市场上有竞争力的公司的股票。

2.1.8 热门股

是指交易量大、交易周转率高、股价涨跌幅度也较大的股票。热门股的形成往往有其特定的经济、政治、社会等原因。

2.1.9 周期股

是指经营业绩随着经济周期的涨缩而变动的公司的股票。航空工业、汽车工业、钢铁及化学工业都属于此类。

2.1.10 再生股

是指经营发生困难甚至破产，经过整顿后重新获得投资者认可的企业股票。

2.1.11 防守性股

这些普通股股票同股价循环股正好相反，它们在面临不确定性和商业衰退时收益和红利却要比社会平均的高，具有相对的稳定性。

2.1.12 表现股(亦称概念股)

是指能迎合某一时代潮流但未必能适应另一时代潮流的公司所发行的，股价呈巨幅起伏的股票。

2.1.13 投机性股

是指那些价格很不稳定或公司前景很不确定的普通股。这主要是那些雄心很大，开发性或冒险性的公司的股票，热门的新发行股以及一些面值较低的石油与矿业公司发行的普通股票。

2.2 chracteristics

zacks

2.2.1 Risk/Return

2.2.2 Volatility

2.2.3 Liquidity

2.2.4 Global

2.2.5 Regulated

2.3 morningstar

morningstar

3 factor

3.1 GS挖掘因子

3.1.1 标的

3.1.2 仓位

3.1.3 最新持仓

大股东持仓，机构持仓。

3.1.3.1 增减持仓

3.1.4 原始指标

3.1.4.1 指数成分

3.1.4.2 股票所在交易所板块

3.1.4.3 上市及限售

3.1.4.4 公司股东与股本

3.1.4.4.1 股东股权变动

3.1.4.4.2 股权分置

3.1.4.4.3 股东户数

3.1.4.4.4 人员持有股份变动情况

3.1.4.5 股票行情

3.1.4.6 盈利预测

3.1.4.6.1 分析师预测

3.1.4.6.2 股票评级

3.1.4.7 行业划分

3.1.4.7.1 中信一级行业

3.1.4.7.2 中信三级行业

3.1.5 行为

3.1.5.1 预测

3.1.6 衍生指标

3.1.6.1 技术面

3.1.6.1.1 行情

3.1.6.1.2 压力支撑

3.1.6.1.3 趋向

3.1.6.1.4 波动

3.1.6.1.5 反趋向

3.1.6.1.6 能量

3.1.6.1.7 成交量

3.1.6.1.8 动量

3.1.6.1.9 规模

3.1.6.1.10 金融工程

3.1.6.2 基本面

3.1.6.2.1 偿债能力资本结构

3.1.6.2.2 营运能力

3.1.6.2.3 成长

3.1.6.2.4 现金流

3.1.6.2.5 盈利能力收益质量

3.1.6.2.6 每股指标

3.1.6.2.7 价值

3.1.7 持仓权重

3.1.7.1 portfolio value

3.1.7.2 portfolio weight

used for multi-factor analysis

3.1.7.3 portfolio share

3.2 技术分析

3.2.1 道氏理论

3.2.1.1 各种平均指数必须相互印证

3.2.1.2 成交量必须印证趋势

3.2.2 走势图的构造

3.2.2.1 走势图的类型

3.2.2.2 蜡烛图

3.2.2.3 算术刻度和对数刻度

3.2.2.4 日柱线图的构建

3.2.2.5 成交量

3.2.2.6 周柱线图与月柱线图

3.2.3 趋势的基本概念

3.2.3.1 支撑和阻力

3.2.3.2 趋势线

3.2.3.3 扇形原理

3.2.3.4 数字”3”的重要性

3.2.3.5 趋势线的相对陡度

3.2.3.6 通道线

3.2.3.7 百分比回撤

3.2.3.8 速度阻力线

3.2.3.9 江恩扇形线与斐波纳奇扇形线

3.2.3.10 内部趋势线

3.2.3.11 反转日

3.2.3.12 价格缺口

3.2.4 主要反转形态

3.2.4.1 反转形态和持续形态

3.2.4.2 头肩形反转形态

3.2.4.3 成交量的重要性

3.2.4.4 发现价格目标

3.2.4.4.1 调整价格目标

3.2.4.5 倒头肩形

3.2.4.5.1 颈线的倾斜

3.2.4.6 复合头肩形

3.2.4.6.1 失败的头肩形

3.2.4.6.2 头肩形作为巩固形态

3.2.4.7 三重顶和三重底

3.2.4.8 双顶和双底

3.2.4.8.1 双顶的测算技法

3.2.4.9 理想形态的变体

3.2.4.9.1 过滤器

3.2.4.9.2 被过于滥用的”双顶”

3.2.4.9.3 波峰或波谷间的时间很重要

3.2.4.10 蝶形和长钉形

3.2.5 持续形态

3.2.5.1 三角形

3.2.5.2 对称三角形

3.2.5.2.1 三角形完结的时间极限

3.2.5.3 上升三角形

3.2.5.3.1 作为底部的上升三角形

3.2.5.4 下降三角形

3.2.5.4.1 作为顶部的下降三角形

3.2.5.4.2 成交量形态

3.2.5.5 扩张结构

3.2.5.6 旗形和尖旗形

3.2.5.7 楔形结构

3.2.5.7.1 作为顶部反转形态或底部反转形态的楔形

3.2.5.8 矩形结构

3.2.5.9 节奏运动

3.2.5.10 头肩形持续形态

3.2.5.11 印证与背离

3.2.6 成交量和持仓量

3.2.6.1 作为次要指标的成交量和持仓量

3.2.6.1.1 成交量

3.2.6.2 对所有市场的成交量研判

3.2.6.2.1 成交量印证价格形态

3.2.6.2.2 量在价先

3.2.6.2.3 能量潮

3.2.6.2.4 OBV的替代品

3.2.6.3 喷发和抛售高峰

3.2.6.4 交易者参与报告

3.2.6.5 关注商业避险商

3.2.6.6 交易者净持仓

3.2.7 长期走势图

3.2.7.1 长期趋势防止了随机性

3.2.7.2 走势图上的形态: 周反转与月反转

3.2.7.3 长期走势图到短期走势图

3.2.8 移动平均线

3.2.8.1 移动平均线: 时间滞后的平滑装置

3.2.8.1.1 简单移动平均线

3.2.8.1.2 线性加权移动平均线

3.2.8.1.3 指数平滑移动平均线

3.2.8.1.4 使用一条移动平均线

3.2.8.1.5 使用三条移动平均线,或三线交叉法

3.2.8.2 移动平均线包络线

3.2.8.3 布林带

3.2.8.4 将布林带作为目标

3.2.8.5 带宽衡量了波动性

3.2.8.5.1 置中移动平均线

3.2.8.6 紧扣循环的移动平均线

3.2.8.7 移动平均线使用的斐波纳奇数字

3.2.8.8 应用于长期走势图的移动平均线

3.2.8.9 周规则

3.2.8.9.1 4周规则

3.2.8.10 自适应移动平均线

3.2.9 振荡量与相反观点

3.2.9.1 振荡量与趋势结合使用

3.2.9.2 测量动量

3.2.9.2.1 动量指标测量了上升率或下降率

3.2.9.2.2 动量线先于价格行为

3.2.9.2.3 穿越零线作为交易信号

3.2.9.2.4 上下边界存在的必要性

3.2.9.2.5 测量变动率(ROC)

3.2.9.3 用两条移动平均线来构造振荡量

3.2.9.4 商品通道指数

3.2.9.5 相对强度指数(RSI)

3.2.9.6 用70线和30线产生信号

3.2.9.7 随机振荡量(K%D)

3.2.9.8 拉里·威廉斯%R

3.2.9.9 趋势的重要性

3.2.9.10 移动平均线异同指标(MACD)

3.2.9.11 MACD直方图

3.2.9.12 结合周信号和日信号

3.2.9.13 投资者情绪读数

3.2.9.14 投资者智力数字

3.2.10 OX图

3.2.10.1 OX图与柱线图

3.2.10.2 分时OX图的构建

3.2.10.3 水平计数

3.2.10.3.1 OX图允许水平测量

3.2.10.4 价格形态

3.2.10.5 趋势分析与趋势线

3.2.10.6 3格转向OX图的画法

3.2.10.7 3点转向图的构建

3.2.10.7.1 走势图形态

3.2.10.8 绘制趋势线

3.2.10.8.1 基本的看涨支撑线和看跌阻力线

3.2.11 日本蜡烛图

3.2.11.0.1 反转形态

3.2.11.0.2 持续形态

3.2.11.0.3 用电脑识别蜡烛线形态

3.2.11.1 过滤后的蜡烛线形态

3.2.11.2 蜡烛线形态

3.2.12 艾略特波浪理论

3.2.12.1 调整浪

3.2.12.1.1 锯齿形调整浪

3.2.12.1.2 平台形调整浪

3.2.12.1.3 三角形调整浪

3.2.12.2 价格通道

3.2.12.3 浪4作为支撑区域

3.2.12.4 斐波纳奇比率和回撤

3.2.12.4.1 斐波纳奇百分比回撤

3.2.12.5 斐波纳奇时间目标

3.2.13 时间循环

3.2.13.1 循环

3.2.13.1.1 基本的循环概念

3.2.13.1.2 循环理论

3.2.13.1.3 变异原理和名义原理

3.2.13.2 支配性循环

3.2.13.2.1 循环的分类

3.2.13.2.2 康德拉蒂耶夫波

3.2.13.3 左右平移

3.2.13.4 季节性循环

3.2.13.4.1 股市循环

3.2.13.4.2 一月晴雨表

3.2.13.4.3 总统循环

3.2.13.5 最大熵光谱分析

3.2.14 股票市场指标

3.2.14.1 测量市场的广泛性

3.2.14.2 数据样品

3.2.14.3 比较市场平均指数

3.2.14.4 上涨–下跌线

3.2.14.5 AD背离

3.2.14.6 日AD线与周AD线

3.2.14.7 AD线的变体

3.2.14.8 麦克莱伦振荡量

3.2.15 麦克莱伦总和指数

3.2.15.1 新高与新低

3.2.15.2 新高–新低指数

3.2.15.3 上涨成交量与下跌成交量

3.2.15.4 阿姆斯指数

3.2.15.5 TRIN与TICK

3.2.15.6 平滑阿姆斯指数

3.2.15.7 开口式阿姆斯指数

3.2.15.8 等成交量走势图

3.2.15.9 烛光图

3.2.15.10 比较市场平均指数

4 function definition

libraries classification source:

Python Simple Chinese

Outline of machine learning

4.1 内置类型

4.1.1 数组处理

4.1.2 添加数据

4.1.3 提取数据

4.1.4 重命名

4.2 交易相关

4.2.1 模拟交易及绩效

4.2.1.1 期货

4.3 数据类型

4.3.1 日期时间

4.3.2 数组

4.3.3 类型

4.3.4 打印

4.4 算术和数学模型

4.4.1 数字

4.4.2 数学

4.4.2.1 简单运算

4.4.2.2 多列计算

4.4.3 统计

4.4.3.1 横截面聚合

4.4.3.2 统计分析

4.4.4 金融

4.4.4.1 ta-lib

4.4.4.1.1 技术指标

4.4.4.2 RiskModel

4.4.5 机器学习

4.4.5.1 问题

分类
聚类
回归
- 模型

线性回归简单回归普通最小二乘法多项式回归一般线性模型

广义线性模式离散选择逻辑回归多项罗吉特混合罗吉特波比多项式波比排序性模型有序波比泊松回归

等级线性模型固定效应随机效应混合模型

非线性回归非参数半参数稳健分位数回归保序回归主成分最小角局部分段含误差变量

估计

最小二乘法普通最小二乘法线性偏最小二乘回归总体广义加权非线性非负重复再加权岭回归 LASSO

最小绝对值导数法贝叶斯贝叶斯多元

背景

回归模型检验平均响应和预测响应误差和残差拟合优度学生化残差高斯－马尔可夫定理

异常检测

关联规则强化学习结构预测特征学习在线学习半监督学习语法归纳

4.4.5.2 监督学习(分类 · 回归)

决策树
表征（装袋, 提升，随机森林）
k-NN
线性回归
朴素贝叶斯
神经网络

http://www.hankcs.com/ml/understanding-the-convolution-in-deep-learning.html

逻辑回归
感知器
支持向量机（SVM）
相关向量机（RVM）

4.4.5.3 聚类

BIRCH
层次
k平均
期望最大化（EM）
DBSCAN
OPTICS
均值飘移

4.4.5.4 降维

因子分析
CCA
ICA
LDA
NMF
PCA
LASSO
t-SNE

4.4.5.5 结构预测

概率图模型（贝叶斯网络，CRF, HMM）

4.4.5.6 异常检测

k-NN
局部离群因子

4.4.5.7 神经网络

自编码 AutoEncoder
深度学习 DeepLearning
多层感知机 Perceptron
RNN
受限玻尔兹曼机 RBM
SOM
CNN

4.4.5.8 理论

偏差/方差困境
计算学习理论
经验风险最小化
PAC学习
统计学习
VC理论

Files

oset.org

Latest commit

History