投资决策

本项目利用机器学习和时间序列分析构建房价预测模型，帮助投资者和购房者理解未来房价走势。通过历史房价数据分析，预测模型将提供准确的市场展望。数据准备阶段包括收集房价、房屋面积、卧室数量、距离最近公交站距离等特征。数据源可以是公开数据集或通过房地产网站爬虫获取。数据预处理步骤涵盖缺失值处理、异常值检测和数据标准化，以提高模型精度和鲁棒性。特征工程阶段选择房屋面积、卧室数量和距离最近公交站距离等关键特征，以支持模型构建。

由于工作原因，我的投资账户分散在不同国家和经纪商，涉及多种货币（GBP、SGD、HKD）。向雇主合规部门报告个人账户交易一直是手动操作，非常耗时。我也无法清晰了解整体投资组合的绩效和构成，从而做出明智的投资决策。 为此，我自主开发了投资组合分析工具，整合我在各个国家和经纪人之间的所有交易。该工具通过 API 连接 Yahoo Finance 获取市场数据，帮助我有效管理跨境投资组合。

项目投资与评估包括项目实施情况评估、项目环境变化评估、项目未来发展预测等多个方面。项目跟踪评估的重要性体现在项目可行性评估、项目实施保障、项目变更条件等方面。项目绩效度量的方法包括目标对照、统计分析、内外结合原则，并且明确区分内部与外部原因。综合考虑问题与对策评估的原则，强调监测性、动态性、阶段性、控制性与集成性特征。

本节介绍利用股票指数对投资组合模型进行简化的方法。通过线性回归，可以找出股票收益与股票指数之间的线性关系。根据该线性关系，可将股票收益表示为股票指数的线性函数。该方法可以避免协方差矩阵的计算，从而简化模型。

该项目提供了计算投资组合欧米伽值的 Matlab 函数。

利用数据挖掘技术，挖掘数据背后的价值，为量化投资提供科学依据和策略支撑。

印度的保险业正以合资企业的形式蓬勃发展，在国内和全球范围内都有众多参与者，并且随着业务的指数增长而引人注目。尽管注入了印度政府的一些法规，但随着越来越多的投资者和相当数量的新保险公司加入该行业，保险业一直在取得巨大进步。目前，该行业有24家国内外公司。在印度，保险仍然被认为是一种节税工具，而不是一种投资选择。本研究分析了海德拉巴市寿险保单中影响投资者选择的因素。具体目标是找出投资者的年收入与影响消费者对寿险保单投资选择的因素之间是否存在关联。在卡方检验的帮助下，对75名保险投资者的数据进行了统计分析，研究发现，年收入与影响投资者对寿险保单投资选择的因素之间没有显著关联。建议大多数投资者应该将保

2018年[WAFR 2018，共同第一作者]，我成功地将信号时态逻辑（STL）与Hamilton-Jacobi可达性（HJ-Reachability）相结合，以提高机器人的安全性和时变目标实现能力。在攻读硕士学位期间，我专注于此项目的研发，并在2018年机器人技术基础研讨会上发表。最近，我开发了一个更为平稳稳定的MPC控制器，取代了传统的bang-bang控制器。想了解更多关于新旧控制器性能对比的信息，请访问{链接}。在AA203最佳控制入门课程中，我应用非线性轨迹优化技术，成功启动了斯堪的纳维亚轻型动力系统的非线性轨迹模型。

决策树，一种强大的机器学习算法，通过树形结构模拟决策过程。每个节点代表一个属性测试，分支对应测试结果，最终的叶节点则给出预测类别或输出值。 决策树的核心在于通过对输入数据进行分层分割，构建精准的预测模型。这一过程如同绘制一张路线图，引导我们根据数据的特征做出最佳决策。

假设股票交易成本为交易额的 1%，那么即使当前持有的股票比例与理论最优解不同，也不一定需要立即调整。这是因为： 交易成本会降低预期收益： 卖出当前股票并买入新的股票会产生交易成本，这将直接降低投资组合的整体收益。 偏离程度与调整成本的权衡： 如果当前组合与最优组合的偏离度不大，那么调整带来的收益可能不足以弥补交易成本，此时不调整可能更为合理。 为了确定是否需要调整，我们需要计算调整到最优组合所需的交易成本，并将其与调整带来的预期收益增量进行比较。如果预期收益增量大于交易成本，则进行调整是合理的；反之，则不应调整。