##Wealthsimple 编码挑战嘿！ 这是我对 Wealthsimple 编码挑战的提交。 这是一个简单的投资组合再平衡器模块，它查看当前的投资组合并输出一组买卖。 ＃＃＃用法： require_relative "lib/rebalancer" rebalancer = Portfolio::Rebalancer.new(portfolio) puts rebalancer.go! 包括的例子： ruby app.rb ＃＃＃输出： buy X shares of FOO, sell Y shares of BAR ###Testing：此模块使用 Rspec。 运行测试： rspec specs/ ###TODO（如果要在项目上花费更多时间，我会）： 基于投资组合总量的投资组合再平衡和资产之间的份额再平衡 正确的投资组合验证 灵活的API 组合投资组合，添加

建立了具有多个用户应用程序和有限资源的M / G / 1型排队网络的数学模型。 目标是为该模型开发一种动态分布式算法，该算法尽可能有效地支持所有数据流量，并就如何最大程度地降低网络性能成本做出最佳公平的决策。 提供了基于单个样本路径的在线策略梯度优化算法，以避免遭受“维数诅咒”。 证明了该算法的渐近收敛性。 数值示例为将数学理论与工程实践联系在一起提供了宝贵的见解。

Aspen_Plus

ASPEN 例题

附上内容回顾：第二期训练营《策略模块的策略迭代跟优化》。

PyPortfolioOpt是一个实现投资组合优化方法的库，包括经典的均值方差优化技术和Black-Litterman分配； mo PyPortfolioOpt是一个实现投资组合优化方法的库，包括经典的均值方差优化技术和Black-Litterman分配，以及该领域的最新发展，例如收缩和分层风险平价，以及一些新颖的实验功能，例如指数加权协方差矩阵。 它既广泛又易于扩展，对于临时投资者和认真的从业者都可能有用。 无论您是基础知识-

sobol+matlab+代码使用 Monte Carlo 抽样的 Sobol 敏感性分析 此代码演示了使用蒙特卡罗采样的 Sobol 灵敏度分析方法。 采样方法是MATLAB中的Sobol序列。 测试函数是gmath函数 有关详细说明，请参阅以下参考资料。 参考： [1] Sobol, IM “非线性数学模型的全球敏感性指数及其蒙特卡罗估计。” 模拟中的数学和计算机 55(1), 2001: 271-280。 [2] IM Sobol、S. Tarantola、D. Gatelli、SS Kucherenko、W. Mauntz，在修复全局敏感性分析中的非必要因素时估计近似误差，可靠性工程与系统安全，92(7) 2007：957-960。

敏感性分析用于估计不确定因素对函数输出的影响。 莫里斯（Morris）方法有时被称为定性方法：它以有限的计算次数给出了粗略的估计。 作为第一步，Morris 方法可用于简化函数。 它可以识别可以修复的影响较小的因素。 了解更多信息 ： Saltelli, A.、Tarantola, S.、Campolongo, F. 和 Ratto, M. (2004)。 实践中的敏感性分析 - 评估科学模型的指南。 威利。 此功能尊重来自以下方面的建议： Sohier, H.、Farges, JL 和 Piet-Lahanier, H.（2014 年 8 月）。 改进空中发射到轨道分离的莫里斯方法的代表性。 在第 19 届 IFAC 世界大会上。 （基本效应是通过对拉丁超立方体中采样的径向点应用大变化来计算的） 为了降低低估和修复不可忽略因素的风险： http : //fr.mathworks.c

文件夹 我的投资组合的源代码可以在这里找到： : 。

针对异构网络中系统容量有限、资源利用率低的问题，在分析对比传统呼叫接纳控制模型的基础上，提出一种基于马尔可夫决策过程理论的接纳控制模型。理论采用定义五元组的方式来描述建模过程，推导出目标评价函数，并通过求解具有QoS约束条件下的方程进行数值分析。仿真结果表明，该模型能满足网络动态实时性，解决系统容量有限情况下的最优接纳控制问题，从而能够在一定程度上降低各类呼叫业务的阻塞概率，达到提高不同用户服务质量的体验性、网络的系统收益最大化的目的。