您好,欢迎光临本网站![请登录][注册会员]  

搜索资源列表

  1. 海龟交易法

  2. 基于MATLAB的完整海龟交易法则代码,有助于策略的开发
  3. 所属分类:其它

    • 发布日期:2014-05-19
    • 文件大小:58368
    • 提供者:u013446236
  1. 海龟策略的matlab代码

  2. 海龟策略的matlab代码,根据日线的突破建仓以及平仓,多品种期货交易
  3. 所属分类:金融

    • 发布日期:2018-03-10
    • 文件大小:5120
    • 提供者:april199414
  1. 海龟交易策略模板python版

  2. 量化交易策略之海龟交易python版,用户可修改参数进行自定义,可借助米匡、聚宽等网站平台实现量化交易
  3. 所属分类:金融

    • 发布日期:2018-01-29
    • 文件大小:3072
    • 提供者:jcr463200
  1. 海龟交易法则

  2. 海龟交易法则,如果通过python编程语言实现海龟交易法则的量化策略模型,附基于掘金量化交易平台的策略源码。
  3. 所属分类:金融

    • 发布日期:2018-10-18
    • 文件大小:495616
    • 提供者:myquant
  1. 海龟交易法则量化交易策略源码

  2. 海龟交易法则属于趋势交易,首先建立唐奇安通道(下文会具体解释),即确定上突破线和下突破线,如果价格突破上线,则做多,如果价格突破下线就平仓或做空。
  3. 所属分类:金融

    • 发布日期:2019-06-12
    • 文件大小:6144
    • 提供者:myquant
  1. 13个经典量化策略 汇总.pdf

  2. 双均线策略(期货) alpha对冲(股票+期货) 集合竞价选股(股票) 多因子选股(股票) 网格交易(期货) 指数增强(股票) 跨品种套利(期货) 跨期套利(期货) 日内回转交易(股票) 做市商交易(期货) 海龟交易法(期货) 行业轮动(股票) 机器学习(股票)
  3. 所属分类:金融

    • 发布日期:2020-01-18
    • 文件大小:2097152
    • 提供者:blue30000
  1. 顶级趋势-EA (2).zip

  2. 市面上什么马丁 对冲 网格什么的说得好听,就是扛单的,没有任何技术策略。剥头皮的要求0点差最好,平台服务器也要求非常高,但是也不能盈利。 踏踏实实的赚钱,想要什么暴利的,马丁对冲那些的都是暴利,但是高风险,或者拿几万美金下0.01,那就是轻仓扛单,这也就叫策略?有意思么?利润和风险永远是成正比,唯有六字真言“顺势 轻仓 止损 ”,才能稳定和踏实!才能睡觉睡的安稳!! 绝对趋势EA一流的风控和仓位资金管理 有分批次出场 入场 趋势 位置 形态判定 海龟突破 顺势加仓 利润金字塔 不同策略止损
  3. 所属分类:其它

    • 发布日期:2020-08-05
    • 文件大小:18432
    • 提供者:BT218148
  1. 数字货币虚拟币量化交易策略

  2. 主要运用于长期投资虚拟币或量化交易的策略。在海龟策略基础上进行了优化。欢迎同行批评指正。【短线勿扰】
  3. 所属分类:Python

    • 发布日期:2020-11-18
    • 文件大小:6144
    • 提供者:pyhenry
  1. Save-Turtle-Prediction-源码

  2. 乌龟预测 一个简单的MATLAB程序,通过接受用户输入未来几年的投影来节省海龟数量。 讨论 在观察幼鱼的图表时,可以看出,通过使所有的幼体都存活到青年年龄,有助于增加头乌龟的数量,直到最初的两年,此后青年人口逐渐减少。除此之外,孵化器的数量在50年中逐渐下降,但是孵化率的下降速度低于幼小。 另一方面,降低幼小death的死亡率并增加成年阶段的成年龟的数量会减少最初4年的青年人口,但逐渐增加会促使其后46年增加。在这种情况下,孵化器的数量在开始的第一年下降,但在接下来的几年中上升。 因此,从两个图
  3. 所属分类:其它

    • 发布日期:2021-03-18
    • 文件大小:3072
    • 提供者:weixin_42109598
  1. DeepTurtles:用于教乌龟如何使用Deep Q-Networks播放“标签”变体的Python代码-源码

  2. 深海龟 该存储库包括可执行程序和教程,用于教乌龟如何使用Deep Q-Networks播放“标签”的变体,用户可以修改网络配置,超参数,以及游戏环境,以分析乌龟代理的性能。即时的。 该存储库还包括一系列可视化工具,使用户可以检查代理的深度Q网络在训练过程中的权重如何变化。 这些可视化工具旨在对神经网络进行更加直观的评估,帮助确定训练效率,最佳学习参数,奖励功能,状态作用空间定义,模型配置等。 该项目的目的是研究MDP,状态作用空间定义,采样技术,多主体以及对抗深度Q网络的对抗方法。 我们的研究
  3. 所属分类:其它

    • 发布日期:2021-02-17
    • 文件大小:351232
    • 提供者:weixin_42097557