【编程学习】C++中的类型转换
类型转换 类型转换是将一个数据类型的值转换为另一种数据类型的值。 C++ 中有四种类型转换：静态转换、动态转换、常量转换和重新解释转换。 静态转换（Static Cast） 静态转换是将一种数据类型的值强制转换为另一种数据类型的值。 静态转换通常用于比较类型相似的对象之间的转换，例如将 int 类型转换为 float 类型。 静态转换不进行任何运行时类型检查，因此可能会导致运行时错误。 实例 12int i = 10;float f = static_cast<float>(i); // 静态将int类型转换为float类型 动态转换（Dynamic Cast） 动态转换通常用于将一个基类指针或引用转换为派生类指针或引用。动态转换在运行时进行类型检查，如果不能进行转换则返回空指针或引发异常。 实例 1234class Base {};class Derived : public Base {};Base* ptr_base = new Derived;Derived* ptr_derived = dynamic_cast<Der ...
【个人博客】在Butterfly主题的Hexo个人博客中展示Mermaid绘图内容
使用方法 Butterfly主题下，使用mermaid进行绘图并展示十分的方便，打开项目的_config.butterfly.yml文件，将mermaid下的enable处参数设置为true。 12345678# mermaid# see https://github.com/mermaid-js/mermaidmermaid: enable: true # built-in themes: default/forest/dark/neutral theme: light: default dark: dark 在你的博客markdown文档中，在mermaid和endmermaid标签中添加你的mermaid代码。 123{% mermaid %}some mermaid statements{% endmermaid %} 示例 1234567891011121314151617{% mermaid %}stateDiagram-v2 [*] --> Activestate Active &# ...
【个人博客】使用Mermaid在Markdown中绘制流程图
Mermaid能绘制的内容 关键字 图类型 关键字 图类型 pie 饼状图 graph 图 flow 流程图 gantt 甘特图 classDiagram 类图 stateDiagram 状态图 journey 用户旅程图 类图（classDiagram） 引用站外地址 【个人博客】使用Mermaid在Markdown中绘制类图 6Young 甘特图（gantt） 引用站外地址 【个人博客】使用Mermaid在Markdown中绘制甘特图 6Young 其他类型图（pie、stateDiagram、journey） 引用站外地址 【个人博客】使用Mermai ...
【个人博客】使用Mermaid在Markdown中绘制多种图
Mermaid能绘制的内容 关键字 图类型 关键字 图类型 pie 饼状图 graph 图 flow 流程图 gantt 甘特图 classDiagram 类图 stateDiagram 状态图 journey 用户旅程图 图（Graph） 引用站外地址 【个人博客】使用Mermaid在Markdown中绘制流程图 6Young 类图（classDiagram） 引用站外地址 【个人博客】使用Mermaid在Markdown中绘制类图 6Young 甘特图（gantt） 引用站外地址 【个人博客】使用Mermaid在Markdown中绘制甘特图 ...
【个人博客】使用Mermaid在Markdown中绘制类图
Mermaid能绘制的内容 关键字 图类型 关键字 图类型 pie 饼状图 graph 图 flow 流程图 gantt 甘特图 classDiagram 类图 stateDiagram 状态图 journey 用户旅程图 图（Graph） 引用站外地址 【个人博客】使用Mermaid在Markdown中绘制流程图 6Young 甘特图（gantt） 引用站外地址 【个人博客】使用Mermaid在Markdown中绘制甘特图 6Young 其他类型图（pie、stateDiagram、journey） 引用站外地址 【个人博客】使用Mermaid在Mark ...
【个人博客】使用Mermaid在Markdown中绘制甘特图
Mermaid能绘制的内容 关键字 图类型 关键字 图类型 pie 饼状图 graph 图 flow 流程图 gantt 甘特图 classDiagram 类图 stateDiagram 状态图 journey 用户旅程图 图（Graph） 引用站外地址 【个人博客】使用Mermaid在Markdown中绘制流程图 6Young 类图（classDiagram） 引用站外地址 【个人博客】使用Mermaid在Markdown中绘制类图 6Young 其他类型图（pie、stateDiagram、journey） 引用站外地址 【个人博客】使用Mermaid在 ...
【量化金融】量化指标的Python实现——信息系数、信息比率、胜率、盈亏比
引用站外地址 Quantools项目地址 6YoungHome 环境准备 测试用数据：demo_close_price点击下载 测试用数据：factor_and_return点击下载 12345678import pandas as pdimport numpy as npcp = pd.read_csv('close_price_demo.csv', encoding='gbk', index_col='date')cp.index = pd.to_datetime(cp.index)ret = cp.pct_change().iloc[1::]cum_ret = (1+ret).cumprod()cum_ret.plot(figsize=(10, 4)) 12345678910111213141516171819202122232425# 计算年(季/月/周)化收益 ...
【量化金融】策略择时能力评价模型
下面介绍的择时评价模型都是用于评价基金经理的选股能力，而量化选股与基金经理选股有异曲同工之妙，当然也可以用来评价量化策略的择时能力。 变量定义 变量名 变量含义 rtr_trt 投资组合收益率 rfr_frf 无风险收益率 rm,tr_{m,t}rm,t 市场基准收益率 α\alphaα 投资策略策略选股能力 D 相关参数，虚拟变量 β\betaβ 相关参数，斜率 T-M模型 T-M模型认为一个优秀的投资策略在多头时，能够提高投资组合的风险水平以获得较高的收益，在空头时能够降低投资组合的风险。因此CAPM特征线不再是固定斜率的直线，而是一条斜率会随市场状况变动的曲线： rt−rf=α+β1(rm,t−rf)+β2(rm,t−rf)2+ϵtr_t-r_f=\alpha+\beta_1(r_{m,t}-r_f)+\beta_2(r_{m,t}-r_f)^2+\epsilon_t rt−rf=α+β1(rm,t−rf)+β2(rm,t−rf)2+ϵt 若线性回归后结果得到β2>0\beta_2 \gt 0β2>0， ...
【量化金融】量化指标的Python实现——Sterling比率、Calmar比率、Alpha&Beta、Treynor比率
引用站外地址 Quantools项目地址 6YoungHome 环境准备 测试用数据：demo_close_price_data点击下载 12345678import pandas as pdimport numpy as npcp = pd.read_csv('close_price_demo.csv', encoding='gbk', index_col='date')cp.index = pd.to_datetime(cp.index)ret = cp.pct_change().iloc[1::]cum_ret = (1+ret).cumprod()cum_ret.plot(figsize=(10, 4)) 12345678910111213141516171819202122232425# 计算年(季/月/周)化收益的相关常数BDAYS_PER_YEAR = 2 ...
【量化金融】量化指标的Python实现——Sharp比率、Sortino比率、Omega比率
引用站外地址 Quantools项目地址 6YoungHome 环境准备 测试用数据：demo_close_price_data点击下载 12345678import pandas as pdimport numpy as npcp = pd.read_csv('close_price_demo.csv', encoding='gbk', index_col='date')cp.index = pd.to_datetime(cp.index)ret = cp.pct_change().iloc[1::]cum_ret = (1+ret).cumprod()cum_ret.plot(figsize=(10, 4)) 12345678910111213141516171819202122232425# 计算年(季/月/周)化收益的相关常数BDAYS_PER_YEAR = 2 ...
【量化金融】量化指标的Python实现——年化收益率、年化波动率、最大回撤
引用站外地址 Quantools项目地址 6YoungHome 环境准备 测试用数据：demo_close_price_data点击下载 12345678import pandas as pdimport numpy as npcp = pd.read_csv('close_price_demo.csv', encoding='gbk', index_col='date')cp.index = pd.to_datetime(cp.index)ret = cp.pct_change().iloc[1::]cum_ret = (1+ret).cumprod()cum_ret.plot(figsize=(10, 4)) 12345678910111213141516171819202122232425# 计算年(季/月/周)化收益的相关常数BDAYS_PER_YEAR = 2 ...
【量化金融】华泰金工深度研究报告《ESG评价体系与ESG SmartBeta》的学习与复现
今天我们来阅读并学习一下华泰证券的金工研究报告《ESG评价体系与ESG SmartBeta》。 持续更新ing~~~ 相关概念 其中有两个对我来说较新的名称“ESG”和“SmartBeta”，因此我们首先了解这两个词代表什么。 ESG ESG是关注企业环境、社会、公司治理绩效的投资理念和标准，其缩写分别代表代表环境（Environmental）、社会（Social）和治理（Governance）。对于环境，ESG考虑了企业的环保政策、员工环保意识、生产废弃物排放措施等方面对环境的影响；对于社会，ESG考虑了企业社区关系、员工健康、职场性别平等等方面对社会的影响；对于治理，ESG考虑了企业内部权力争夺、管理层的有效监督、高管腐败等方面的公司治理情况。通过观察企业ESG评级，投资者可以评估企业在绿色环保和履行社会责任等方面的贡献，从而作出长期投资判断。 目前，国际社会广泛关注ESG理念，相关评价体系主要包括三个方面：国际组织、交易所规定的ESG披露和报告要求，评级机构针对企业的ESG评级准则，以及投资机构发布的ESG投资指南。在企业ESG评级体系中，不同的评级机构关注的指标略有不同，其中 ...
【编程学习】利用Python进行滚动线性回归
方案1：numpy_ext.rolling_apply 基于numpy_ext.rolling_apply的滚动回归需要自己定义一个回归计算的函数，可以直接使用sklearn或者statsmodels库中的方法进行回归计算。 相关环境准备 首先安装numpy_ext库，添加清华镜像源可以让下载更快。 12345# 以防有人没有，全部写出来吧pip install -i https://pypi.tuna.tsinghua.edu.cn/simple numpy_extpip install -i https://pypi.tuna.tsinghua.edu.cn/simple pandaspip install -i https://pypi.tuna.tsinghua.edu.cn/simple numpypip install -i https://pypi.tuna.tsinghua.edu.cn/simple scikit-learn 导入相关环境 1234import numpy as npimport pandas as pdfrom numpy_ext import ro ...
