NumPy for Simulating Random Processes and Monte Carlo Methods
了解如何使用 NumPy 进行稳健的计算模拟。
Skittles Half Life Demonstration
此活动使用Skittles演示放射性衰减。衰减的速率取决于元素的同位素，被称为半衰期。放射性衰减是一个随机过程。为了了解半衰期的概念，我们将假装刺穿是放射性原子。 Skittles向上降落的是...阅读Moreth后Skittles Half Life示范是在儿童科学实验中首次出现的。
Quantitative Finance: Mathematical Tools for Predicting Market Movements
量化金融结合了数学模型、统计学和计算技术来预测市场走势和管理金融风险。它使用随机过程、期权定价模型和机器学习等工具来分析市场数据并做出明智的交易和投资决策。让我们来探索量化金融中用于预测市场走势的关键数学概念和工具。量化金融中的数学工具量化金融：利用数学模型驾驭金融市场量化金融是一个整合数学模型、统计方法和计算技术来分析金融市场和预测价格走势的领域。随着金融市场日益复杂，使用量化技术对于在交易、风险管理和投资中做出明智的决策至关重要。这些数学工具将金融转变为一门更系统、更数据驱动的学科，在资产定价、投资组合优化和风险管理等领域提供理论见解和实际应用。在本文中，我们将探讨量化金融中用于预测市场走
Spurious High Frequency Autocorrelation
高频数据的一个奇怪之处是，大多数数据来自集中式限价订单簿 (CLOB)，其中买卖价差使数据看起来具有负自相关性，因为交易是在买入价和卖出价随机进行的。推动这种模式的回报远低于交易成本，因此不会产生套利机会。然而，人们可能会倾向于使用高频数据来估计定价期权或凸度成本（又称无常损失、损失与再平衡）的方差。这是一个问题，因为 1 分钟 Gemini 回报产生的方差估计比从每日数据得出的方差估计高 40%。方差随时间线性增长；波动性随时间平方根增长。因此，对于标准随机过程，方差除以频率时应该相同。如果回报期限以分钟为单位，则 5 分钟回报的方差应为 10 分钟回报方差的一半，等等。方差 (ret(M
