Finance

摘要: 數據挖掘是從大量數據中提取或“挖掘”知識。在大量的數據中發現有趣的模式，其中數據是可以存放在數據庫、數據倉庫或其他信息庫中。數據挖掘是一個年輕的跨學科領域,源於諸如數據庫系統、數據倉庫、統計學、機器學...

摘要: 一、互聯網讓大數據就在身邊互聯網作為改變人類歷史的產物，近年來得到了飛速的發展，隨著互聯網的日益普及，其正在逐漸改變人們的生活習慣。商場的購物份額正在被足不出戶的網絡購物所侵蝕；新聞媒介受到鋪天蓋...

摘要: 基於文本挖掘的量化投資應用。文本挖掘作為數據挖掘的一個分支，挖掘對象通常是非結構化的文本數據，常見的文本挖掘對象包括網頁中的論壇、微博、新聞等。文本挖掘是目前金融量化研究的一個非常熱門的領域，其主要原...

摘要: 算法交易起源於上世紀中葉的配對交易歷史上最早使用算法交易的例子可以追溯到1949年。對沖基金之父阿爾弗雷德·瓊斯，利用空對多3：7的比例進行配對交易，在1955年到1964年間，綜合回報率高達28%。到了上世紀60年代 ...

大家好，我是貓大！在02月04日上午的時候，發生了一件令人難過的大事件，那就是台灣復興航空，一架載有58人從台北飛往金門的GE235班機，起飛後不久發生撞橋墜落基隆河意外。消息一傳出便使得復航股價立即重挫跌停，在當天早上11點34分下挫0.9元新台幣，跌停至12.15元新台幣價位，而母公司國產實業也遭拖累，股價由紅翻黑。發生如此重大的緊急事件，採礦貓該如何因應這種緊急事件，以保障投資人不至於血本無歸呢？

摘要: 本文將通過淺顯易懂的例子，深入淺出的向您介紹大數據在量化投資，信用風險，市場風險，反洗錢等風險管理領域，以及財務管理等其他金融領域的應用。就如大家通過我們的文摘閱讀了解到的大數據的知識， 這個世界的數...

摘要: 問：機器學習（非傳統統計方法如回歸）到底在量化金融裡哪些方面有應用？機器學習和統計很難隔離，這裡排除傳統統計方法是想知道現代機器學習方法在量化金融的應用，如有困難請忽略此要求。 Weicong Liu答：嘗試回答 ...

摘要: 投資要點：銀行IT投資：總量巨大，增速穩定，市場分散。 2013年銀行業IT投資額佔金融行業IT總投資的近80%。得益於銀行利潤的增長和信息技術的飛速發展，我國銀行業IT投資額保持穩定增長的態勢，從2008年的500億元增長...

在前一篇文章”SVM演算法簡介”，貓大已經為各位讀者介紹了什麼是SVM，相信大家對SVM多多少少都有些基本的認知了，而在這一篇文章當中就是要介紹如何實際應用SVM了，貓大會為各位介紹LIBSVM以及如何使用LIBSVM來解決財務金融的投資問題。

大家好，我是貓大！還記得上次和小咪討論的「進場信號」嗎？貓大透過將策略分成小策略、中策略、大策略的方式，再運用交易室的分層投票機制，來讓不同種類的策略彼此相互驗證來產生綜效，提高進場信號的準確度。大家有回想起來了嗎～？

大家好！本週貓大將繼續跟您一同探討人生中的大事：投資賺大錢的問題。
不知大家是否還有印象，在之前的文章中，貓大有用咪咪的故事跟大家說明過：在現今高頻交易的環境下，我們不能照搬以前的下單策略，因為市場變得更複雜了！除了高頻交易本身性質的變化之外，股票交易的電子化和全球化也讓即時市場訊息對股市價格有著更為直接和顯著的影響。

速度、速度，喵！

就如同上一篇專欄中貓大所說，在高頻交易的世界裡，最重要的一個特徵之一，就是 速度。除了增快連線速度，比別人更快的拿到分析資料外；加快策略分析速度，更快的算出市場趨勢，更是重中之重。如果分析趨勢的速度太慢，等到分析完成，下 單的時間點都過了，還談什麼獲利呢？沒有速度，即便策略判斷準確、百發百中，也是枉然。因為根本趕不上高頻交易世界中有如閃電般的趨勢變化。
然而，高頻交易不但每秒的資料吞吐量極大，分析時間的要求又極為嚴苛，究竟該如何在短至數十秒的時間裡，從紛亂龐雜的資料中找出不斷改變的市場趨勢呢？