12、投资跟踪与报告生成指南

投资跟踪与报告生成指南

1. 投资背景与需求

如今,投资变得前所未有的便捷。你只需打个电话或轻点几下鼠标,就能投资全球各地的公司。投资工具也多种多样,包括共同基金、指数基金,甚至复杂的金融衍生品。然而,随着投资选择的增多和经济节奏的加快,跟踪当前和未来投资的状态变得越发困难。但你需要迅速对市场变化做出反应,因此快速轻松地跟踪市场变化至关重要。

传统上,你可以通过报纸、电视报道以及投资网站(如雅虎财经或在线股票经纪网站)来跟踪市场。但如果你有特定的自定义报告需求,就需要编写自定义代码。接下来将以富达投资(Fidelity Investments)为例,介绍如何创建投资跟踪报告。

2. 编写小型服务器获取报告数据

为了给报告系统提供数据,你可以创建一个小型的Web服务器。这种方法在多种情况下都很有用。例如,当你同时拥有Linux和Windows服务器时,某些任务(如控制组件对象模型(COM)对象或与Microsoft SQL Server通信)在Windows系统上直接执行可能更好。

你可以编写一个小型服务器,在Windows服务器上使用专有扩展,然后以开放、易用的格式(如XML)提供数据。这样,访问Windows专有库的工作就可以留在Windows机器上,避免使用可能有问题的开源驱动程序来访问专有代码。

Mongrel是一个与Ruby配合使用的流行Web服务器,通常用于服务Rails应用程序,但也可以直接托管小型Web服务器。在这个例子中,你将使用Mongrel作为简单的XML服务器。

与使用Rails应用程序提供XML数据相比,对于只有单个URL的简单服务器,使用Rails可能会造成资源浪费。一个

根据原作 https://pan.quark.cn/s/459657bcfd45 的源码改编 Classic-ML-Methods-Algo 引言 建立这个项目,是为了梳理和总结传统机器学习(Machine Learning)方法(methods)或者算法(algo),和各位同仁相互学习交流. 现在的深度学习本质上来自于传统的神经网络模型,很大程度上是传统机器学习的延续,同时也在不少时候需要结合传统方法来实现. 任何机器学习方法基本的流程结构都是通用的;使用的评价方法也基本通用;使用的一些数学知识也是通用的. 本文在梳理传统机器学习方法算法的同时也会顺便补充这些流程,数学上的知识以供参考. 机器学习 机器学习是人工智能(Artificial Intelligence)的一个分支,也是实现人工智能最重要的手段.区别于传统的基于规则(rule-based)的算法,机器学习可以从数据中获取知识,从而实现规定的任务[Ian Goodfellow and Yoshua Bengio and Aaron Courville的Deep Learning].这些知识可以分为四种: 总结(summarization) 预测(prediction) 估计(estimation) 假想验证(hypothesis testing) 机器学习主要关心的是预测[Varian在Big Data : New Tricks for Econometrics],预测的可以是连续性的输出变量,分类,聚类或者物品之间的有趣关联. 机器学习分类 根据数据配置(setting,是否有标签,可以是连续的也可以是离散的)和任务目标,我们可以将机器学习方法分为四种: 无监督(unsupervised) 训练数据没有给定...
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符  | 博主筛选后可见
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值