（1）在中国A股市场15只股票上的应用 （2）构建投资组合 （3）每日调仓 （4）绘制收益率曲线 （5）PPO算法

1. 这是作者花费一周的时间，使用python写出的策略迭代和值迭代强化学习算法，以一个完整的项目发布，为解决“已知马尔科夫决策过程五元组，求最优策略”这类问题提供了算法与通用框架 2. 项目采用面向对象架构和面向抽象编程，用户可以在抽象类基础上，利用继承机制，定义新的具体环境类，测试该算法的有效性。项目还给出了unittest.Testcase的测试代码。 3. 在该项目中算法名称分别对应类：ValueIterationAgent和PolicyIterationAgent(都继承自MdpAgent)，马尔科夫决策模型已知的环境抽象类MdpEnv 4. 为展示该算法的有效性，定义了一个GridWorldEnv的具体类，实现了作者博文中“在格子世界中寻宝”的最优策略的学习，并定义了一个GridWorldUI类可视化最优策略及基于最优策略的，用户可以运行住文件main.py 5. 该项目源码的最大特点是：架构合理，可维护性好，可读性强。你不断能学到这两个强化学习算法的精髓，也能够学到什么是好的python程序架构。 6.注意先阅读里面的readme.txt文件。

Beta作为一种基于股票市场价格的风险度量，已经在强势，半强势和弱势市场中进行了广泛的辩论和研究。 已经证明，既没有负值也没有异常β。 过去的研究在研究beta及其行为时很少考虑前沿市场和婴儿市场，例如达累斯萨拉姆证券交易所（DSE）。 通过从DSE数据库中提取的2018年连续246天交易期内17家公司的相应收盘价，本研究通过测试股票和投资组合的回报率和敏感性来检查婴儿市场的交易频率异常。 通过计算DSE交易股票的beta，这项研究发现了许多异常情况。 股票显示不像债券那样频繁交易。 价格在短时间内保持不变，有时股票根本没有交易。 由于波动很小，这些股票表现出异常行为，有时会导致beta值为负。 我们得出结论，这可能是由于两个主要原因。 首先，东非投资者和公众对股票市场了解不足，其次，市场还很年轻，交易平台和基础设施还不完善。 因此，我们建议决策者通过考虑这项研究的结果来优化该地区的股票交易。

本文考虑了连续时间马尔可夫决策过程中平均报酬的方差优化问题。 假设状态空间是可计数的，而动作空间是Borel可测量的空间。 本文的主要目的是在确定性平稳策略空间中找到方差最小的策略。 与传统的马尔可夫决策过程不同，方差准则中的成本函数将受到未来行动的影响。 为此，我们通过引入称为伪方差的概念将方差最小化问题转换为标准（MDP）。 通过给出伪方差优化问题的策略迭代算法，推导了原始方差优化问题的最优策略，并给出了方差最优策略的充分条件。 最后，我们用一个例子来说明本文的结论。

为了分析润滑油道中的磨损颗粒，通过分析颗粒皮带电机，提出了一种考虑介电常数的油路静电传感器的数学模型。 同时介绍了空间敏感性和视野的概念。 分别研究了带电磨粒位置，传感器轴向长度和径向半径的影响因素。 获得了每个变量对灵敏度的影响，并验证了数学模型的准确性。 仿真结果表明，减小传感器的径向半径可以有效地提高静电传感器的空间灵敏度。 电极的轴向长度L越大，灵敏度越高，并且截面敏感场分布越均匀。 在轴向和径向上，轴直径比越大，传感器越灵敏，并且也越灵敏。

python构建投资组合

蟑螂 先决条件 使用此软件的第一步是下载代码的本地副本。 可以通过GitHub直接下载源代码，也可以使用git将其克隆出来，如下所示： $ git clone https://github.com/JacobRajah/Stockroach.git 获得源代码的副本后，请确保已安装npm ，然后在server.js目录和client目录中都运行以下命令以在本地安装所有必需的节点模块： $ npm install 运行程序 要以开发模式运行网站，请执行以下操作： $ npm run dev 这将在浏览器中的localhost：3000上启动UI。

论文研究-多目标决策中灵敏度分析的方法探讨.pdf, 对于多目标决策中的多属性决策,国内外至今还很少有文献讨论其灵敏度分析的一般方法。为此,本文推导了几个进行灵敏度分析的基本公式,并提出了灵敏度区间和灵敏度矩阵的概念,从而为多属性决策的灵敏度分析提供了一种简单、有效、实用的分析方法。

论文研究-自融资均值方差投资组合模型的旋转算法.pdf,  将自融资投资组合问题用一个以极小化方差风险为目标的凸二次规划表示,用线性不等式组的一种旋转算法解其库恩塔克条件的线性部分并使互补松弛条件得以满足.

运筹学课程总结之后绘制的思维导图