基于 XGBoost 的音乐流行度预测与推荐
本文基于音乐平台 Spotify 中的 30 万余条音乐数据与 10 万余条歌手数据，分析并构造了音乐流派、音乐语言等特征，与歌手热度、音乐发行时间等特征共同建模预测音乐流行度，使用 XGBoost 内置的特征重要性计算函数和 SHAP 值评估各特征的重要性及其对预测结果的影响方向与大小，并构建了基于内容余弦相似度的音乐推荐系统。
所有文章
高级搜索技巧
搜索引擎和 GitHub 中一些高级搜索的方法。
均值方差模型的有效前沿曲线
在无做空限制的情形下推导均值方差模型的有效前沿曲线，本质上是求解一个带有等式约束的最优化问题。
\[
\begin{aligned}
& \underset{w}{\text{minimize}}
& & \frac{1}{2} w^{\top} \sum w \\\
& \text{subject to}
& & w^{\top} e=1 \\\
& & & w^{\top} \mu=\mu_0
\end{aligned}
\]
梯度下降和 MCMC 实现逻辑回归的 LASSO 形式
本文使用梯度下降法、随机梯度下降法、坐标下降法和基于贝叶斯后验的 MCMC 采样法实现带有 L1 惩罚项的逻辑回归，并在银行客户流失数据集上进行实证检验。
AlphaNet-V3——调整网络结构和预测目标
在 AlphaNet-V1 加入多步长的特征提取层，将池化层替换为门控循环单元（GRU），并尝试预测收益率和超额收益的方向。最后将随机森林模型作为 baseline 进行比较。
AlphaNet——基于深度学习的量价因子挖掘
借鉴卷积神经网络的思想，通过自定义运算符函数，构造类似卷积层的特征提取层。结合批标准化层、池化层、全连接层，搭建 AlphaNet-V1，实现从量价数据到收益率预测的自动挖掘。
