应聘算法交易云计算数据挖掘和人工商业智能开发总监

应聘算法交易云计算数据挖掘和人工商业智能开发总监,独创完全自主知识产权

金融预测算法云交易产品和服务劳务的自带项目,面试时将提供所有证明资料原

件,未婚无女友可经常出差,请来电子邮件,千万不要只在网站上留言回复

职业
云计算,商业智能,商业分析和项目经理:金融数据挖掘预测建模和人工智能算法交易网站服务开发

算法交易数据挖掘人工商业智能网站云服务开发

DATA MINING & AI PREDICTIVE ALGORITHMIC TRADING CLOUD DEV

Google® Plugin for Eclipse 3.7,GWT 2.3,App Engine,AdSense,Chrome OS;

VMware® Player,STS scala/java IDE,Cloud Foundry;Cloudbees Toolkit;

UML Lab;Extraction,Lift,AJAX,Structs;Oracle® JDK 7,OpenOffice,MySQL;

IBM® SPSS,Eclipse IDE for scala/java,MyEclipse for Spring;SAS® 9.2;

JOONE;JGAP;JDMP;Knime;Weka;Mallet;LibSVM;ScrumWorks+XP+RUP.

算法预测交易之模型设计编程和全自动限价摆单止盈平台

TradeStation9.1,Personal Stock Streamer9;TD Ameritrade,Iqfeed4.7,STERLING TRADER PRO 6.0,MANAGER,ELITE;EclipseTrader,ESignal;Amibroker5.5;ViewTrader Elite2.3;ProSticks;NeoTicker;Madscan;Aptistock2;Prophet.net;Yahoo!Finance,MetaTrader 5;RTQuotes,Freerealtime.com,CNN Financial,Quote,PC Quote;FreeStockCharts,GlobaLink Trader Pro.

自定义指标公式编辑参数测试优选叠加数据共享软件

商业智能人工智能的数据挖掘,神经元网络,机器学习和遗传基因算法交易分析:

NeuroShell DayTrader Professional;TradingExpert Pro;Professional Traders Advisor2000;Professional Traders Starter Kit;ProSuite2000i;Advanced GET9.1;

GETRT300;MetaStock Professional8.0;Omnitrader2010;Biocomp Profit 7.0;Ninja Trader6.5;SmartQuant;Matlab R2011,

江恩和波浪时空预测:Time Trader3.11;Gannalyst Professional 5.0;GannTrader3;

Gann Wheel;CycleTimer;TC2000;Fibonacci Trader4.0;Dynamic Trader;ELWAVE9.1;

EWAIIIpro;Wave59RT 2.41;MAKEMS24;SuperCharts Real Time;Wealth Lab Pro6;

MarketWarrior4.5.

曾管理过的金融数据挖掘预测算法交易云开发项目

Xiangqun Global Stock Algorithmic Cloud Trading Team Portal

向群国际财经算法云交易团队总入口http://xqact.com

http://www.xqact.com;http://xa.xqact.com;http://xb.xqact.com

Xiangqun Global Stock Forecast Algorithm R & D Forum

向群全球股市预测算法比较研发论坛http://ac.xqact.com

Xiangqun Global Stock Index CTA Bank Fund Manager

向群国际股指银行理财产品基金经理http://scebif.xqact.com

http://xc.xqact.com

Xiangqun Global Finance Modelling Data Mining Forecast

向群国际金融建模数据挖掘分析预测http://sfebif.xqact.com

http://xd.xqact.com

Xiangqun Stock Quant Financial Cloud Engineering Training

向群国际股市数量金融微云工程培训http://sfebii.xqact.com

http://xe.xqact.com

Xiangqun Financial Intelligent Algorithmic Cloud Developer

向群金融智能算法交易与云计算开发http://sfebbf.xqact.com

http://xf.xqact.com

Xiangqun Data Mining AI Algorithmic Dev Project Team

向群数据挖掘人工智能算法开发项目http://act.xqact.com

http://c.xqact.com

Xiangqun Forecast Algorithmic Trading Microcloud Foundry

向群预测算法交易XQACT微云工厂http://a.xqact.com

http://b.xqact.com;http://xq.xqact.com

1998-现在 向群美股团队及前身申银万国证券等向群中港股票大户室著名CTA-CTO

1998-1999 港资黎明公司互联网证券产品开发总监

1996-1998 君安证券公司系统分析员

1995-1996 深圳证券交易所巨潮互联网国际证券研究部经理

1993-1995 港资巨灵证券信息网系统分析研究部经理

1991-1993 硕士论文调研专案:浦东宁波开发大型项目的国际金融投资决策支持系统分析

1985-现在最新开源纯英文版XQACT,开发曾采用的IDE,SDK,PL,Plugin,Framework:

Scala,Java,UML,Eclipse,STS,Struts,Hibernate,SAS,SPSS,JOONE,JGAP,JDMP,Knime,Weka

工作经验

1998-现在 向群国际股指算法云交易团队大户室

工作职位:著名CTA-CTOR & D & T

工作范围:北美和中港台新大中华股指数据挖掘预测算法交易网站云服务开发

19961998 君安证券公司

工作职位:中港著名操盘专家,投资咨询部经理

工作范围:中港股票精确操盘预测

19951996 深圳证券交易所巨潮证券电脑信息公司

工作职位:国际证券研究部经理

工作范围:研究开发中国证券行业第一家网站深圳证券交易所巨潮互联网

19941995 现港资深圳巨灵信息技术公司

工作职位:研究部经理

工作范围:证券信息网研发系统分析

19931994 广州证券和产权联合交易中心

工作职位:研究部经理

工作范围:证券投资分析

19861990 香港威联电子公司

工作职位:证券系统分析员兼中英文翻译

工作范围:美国和香港股票投资模型与软件研发

语言能力
1991 中国英语六级统考证书,英语词汇量:5,精通金融软件和宗教英语;

互联网上英文沟通与电子商务,英汉汉英翻译速度:5千字/(非全职);

现代美国英语口语:流利,中英文盲打五笔加拼音速度:每分钟50;

译典通8.0,译星,狂飙译族,东方快车,IBM翻译家,Han Translator;搜狗五拼;

母语华文汉语,国语普通话:精通,香港话粤语:良好,第二外语:法文读写水平一般.

国际证券算法预测交易CTA-CTO向群已发表的成果

向群,金融软件工程(FE-SE)之数据挖掘预测算法云交易专家,家庭永久居住地:北美.

作为著名的北美和大中华股市数据分析CTO-CTA,实现了商业智能BI开发数据挖掘的金融计量和统计建模数量分析(Quant),知识发现(KDD),金融领域专家商业分析项目经理,人工智能AI的强化机器学习,神经元网络,遗传算法,智能代理等复杂算法和云计算SAAS网站服务开发的IT融合,已于全球中英文学术期刊,报纸,杂志,电台,电视台,电话热线声讯台等传统媒体和网站新媒体发表1万多篇专栏预测文章且提供算法交易设计开发和数据挖掘预测建模CTA-CTO劳务,独创国际证券史上人工商业智能算法交易,数据分析和商业分析的金融工程和微云工程的无数奇迹.

金融数据挖掘预测算法云交易网站开发培训

  曾在中国深圳和广州的大学和公司为MSEMBA等学生,股民沙龙和网络公司员工职业培训,以中英文双语演讲或讲授过:向群证券期货预测算法交易案例;计算机英语,雅思,GRE,TOEFL;SASSPSS金融计量与数理统计,数据挖掘商业智能,管理信息系统,电子商务网站云计算开发,Spring STSEclipse开源开发工具,UML面向对象系统分析设计,Scala/Java函数式和面向对象程序设计,人工智能算法开发,ScrumWorks 敏捷,极限和统一开发项目管理软件工程,OracleMySQL数据库.

教育
经济学硕士 1990-1993 东北财经大学经济信息管理系(中国大连)

数量经济专业国际金融预测模型系统研究方向

硕士论文调研:浦东北仑港开发大型项目的国际金融投资决策支持系统分析

大学    1982-1986 南开大学计算机与系统科学系(中国天津)

最佳联系方式
谷歌Google Talk电子邮件账户sfebbf@gmail.com;深圳手机(+86)13316583001

请详见北美网站http://sfebbf.xqact.com

中国城市全面崛起,珠三角一支独秀的时代已经过去,高级人才会经常在几大城市

圈之间出差,抱歉无诚意提供名人出场费和报销差旅费的单位,请先来向群网站群

详细阅读简历写不下的内容,然后再电子邮件电话视频,或等下次飞到您附近再

约定面试具体时间,以节省大家的时间和成本,对于一些公司和个人想免费骗取股

票等业务咨询劳动的,即使电话中也必需先付工资,更不可能再浪费诚信公司面试

和自己的商业时间自费长途飞行住酒店及时去被骗,且一家公司至多能有一次面

试和一小时内验证原件并签劳动合同的可能,而工作和工资细节都可先谈好再见

,面试时间只够确认是否属实并签约,若能够事先确定不能签约,就不必面试.

 

Advertisements
发表在 中英文简历 | 留下评论

LibSVM最新版本libsvm2.84下载

LibSVM最新版本libsvm2.84下载

 (2007-05-01 13:28)

The current release (Version 2.84, April 2007) of LIBSVM can be obtained by downloading the  –>zip file or tar.gz file. US Download). –>Please e-mail us if you have problems to download the file.The package includes the source code of the library in C++ and Java, and a simple program for scaling training data. A README file with detailed explanation is provided. For MS Windowsusers, there is a subdirectory in the zip file containing binary executable files. Precompiled Java class archive is also included.

Please read the COPYRIGHT notice before using LIBSVM

 

The current release (Version 2.84, April 2007) of LIBSVM can be obtained by downloading the  –>zip file or tar.gz file. US Download). –>Please e-mail us if you have problems to download the file.

 

 
发表在 开源人工智能 | 留下评论

MAchine Learning for LanguagE Toolkit–MALLET 2.0

http://mallet.cs.umass.edu/download.php

 

MAchine Learning for LanguagE Toolkit
 
Current release: The following packaged release of MALLET 2.0 is available:
Windows installation: After unzipping MALLET, set the environment variable %MALLET_HOME% to point to the MALLET directory. In all command line examples, substitute bin\mallet for bin/mallet.
Development release: To download the most current version of MALLET 2.0, use our public Mercurialrepository. After installing the Mercurial distributed version control system, use the command

  hg clone http://hg-iesl.cs.umass.edu/hg/mallet

from the command prompt to get the Mallet package.

To build a Mallet 2.0 development release, you must have the Apache antbuild tool installed. From the command prompt, first change to the mallet directory, and then type

  ant

If ant finishes with “BUILD SUCCESSFUL”, Mallet is now ready to use.

If you would like to deploy Mallet as part of a larger application, it is helpful to create a single “.jar” file that contains all of the compiled code. Once you have compiled the individual Mallet class files, use the command:

  ant jar

This process will create a file “mallet.jar” in the “dist” directory within Mallet.

Older releases: MALLET version 0.4 is available for download, but is not being actively maintained. This release includes classes in the package “edu.umass.cs.mallet.base”, while MALLET 2.0 contains classes in the package “cc.mallet”.
 
Copyright 2011

 

发表在 开源人工智能 | 留下评论

独家:Java数据挖掘包——JDMP v0.1.1发布

独家:Java数据挖掘包——JDMP v0.1.1发布 2009-07-13 15:02 | 2526次阅读 | 来源:csdn.net 【已有1条评论】发表评论 | 作者: | 收藏这篇资讯 【CSDN 7月13日 详讯】Java数据挖掘包(JDMP)是一个开源的Java程序库,用于数据分析和机器学习。它能够促进对数据源和机器学习算法(如,聚类、回归、分类、图形模式和优化)的访问,并且提供了可视化模块。它包含一个用于存储和处理任何类型的数据矩阵库,能够处理非常大的矩阵,甚至当这些矩阵无法写入内存时它仍然能够处理。JDMP不仅提供了许多算法和工具,并且提供了与其他机器学习和数据挖掘包(Weka, LibSVM, Mallet, Lucene, Octave)之间的接口。 JDMP主要的优点在于一致的数据表示。对于Linux来说,一切事物均是文件,而对于JDMP来说,一切事物均是矩阵!例如,可以将几个矩阵组合成一个变量,如,一个时间序列。可以一个一个地访问这些矩阵,也可以作为一个单个的大型矩阵来进行访问。可以将几个变量组合成一个样本,如,在分类中有输入值和目标值的样本。许多样本可以形成一个数据集,在交叉验证测试中可以将数据集进行存储或分裂操作。可以一个样本一个样本地来访问数据集,也可以用以一个大型矩阵作为输入值且以一个大型矩阵作为目标值的样本来访问数据集。 算法可以操纵变量,样本或数据集,例如:进行预处理或分类任务。需要强调的是,在JDMP中,数据处理方法是与数据源分离的,因此,算法和数据可能位于不同的计算机上,并且并行处理变成了可能。然而,分布式计算尚未完全落实,只存在于一个概念证明型版本中。

发表在 开源数据挖掘 | 留下评论

JGAP 3.4发布,遗传基因算法包

JGAP 3.4发布,遗传基因算法包

2009-02-05 11:21 by 副主编 zly06 评论(5) 有2432人浏览

声明:ITeye资讯文章的版权属于ITeye网站所有,严禁任何网站转载本文,否则必将追究法律责任!

JGAP是一种JAVA的遗传算法和遗传程序开发包。提供了基本的遗传算法.你可以使用它来解决一些适用于遗传算法解决的问题。
JGAP 3.4版本是一个增强版,推动遗传的编程能力提高到一个新的高度。
新的特点:

  • 一个新的例子:蒙娜丽莎的绘画问题
  • 增强发展周期的遗传规划
  • 新的JUnit测试和Javadoc的改进
  • 一些bug的修复

点击下载:http://sourceforge.net/project/showfiles.php?group_id=11618&package_id=48940

查询更多信息:http://jgap.sf.net

发表在 开源人工智能 | 留下评论

JGAP   JGAP 是一款用Java编写的遗传算法包

JGAP

  JGAP 是一款用Java编写的遗传算法包,由sourceforce上开发而来。它提供了基本的遗传算法,你可以使用它来解决一些适合用遗传算法解决的问题。而且它给出了很多例子程序,可用于我们一些遗传算法的测试工作。由于它来自于开源组织sourceforce,所以开源的遗传功能将是研究简单遗传算法很好工具。

使用JGAP,需要我们自己编写的部分是

1 创建默认的Configuration对象。用这个对象设置后面一系列的参数。

代码如下:

Configuration conf = new DefaultConfiguration

2:设置适应度函数。(FitnessFunction)

按照不同的问题的需要编写不同的适应度函数。自己编写的适应度函数需要继承

org.jgap.FitnessFunction

代码如下:

//BusFitnessFunction 是自己编写的适应度函数

FitnessFunction myFunc = new BusFitnessFunction

conf.setFitnessFunction(myFunc)

3:构建基因(Gene)

开源包已经定义了Gene这个接口,只需我们设定基因的长度,以及基因的具体类型,比如是整数,还是实数。

如下面的代码:

Gene[] sampleGenes = new Gene[24];//基因长度24

for (int i = 0; i < sampleGenes.length; i++)

sampleGenes[i] = new IntegerGene(conf, 5, 20)

每个基因位是整数,取值范围为最小为5,最大为20

4:构建染色体(Chromosome)

用上面的基因构成染色体

IChromosome sampleChromosome = new Chromosome(conf, sampleGenes)

conf.setSampleChromosome(sampleChromosome)

5:定义种群(Population)的大小

也就是染色体的个数

代码如下:

conf.setPopulationSize(100)染色体的个数为100

6:初始化种群

随机初始化种群。

代码如下:

Genotype population

population = Genotype.randomInitialGenotype(conf)

7种群开始进化

由于不知道具体进化终止的条件,所以就让种群进化最大次数后终止。

如果种群中存在相同的染色体,那么就重新进化。

代码如下:

for (int i = 0; i < MAX_ALLOWED_EVOLUTIONS; i++)

if (!uniqueChromosomes(population.getPopulation()))

throw new RuntimeException(“Invalid state in generation ” + i)

population.evolve

8打印输出最终的最佳染色体

代码如下

Chromosome bestSolutionSoFar = population.getFittestChromosome

System.out.println(“The best solution has a fitness value of ”

+ bestSolutionSoFar.getFitnessValue

System.out.println(“It contained the following

发表在 开源人工智能 | 留下评论

JGAP使用实例

JGAP使用实例

(2010-04-22 12:09:06)

标签:

遗传算法

jgap

java

实例

it

分类: 技术
JGAP是遗传算法的开发包,我们可以很方便的在上面进行二次开发,但同时我们也必须去实现自己的适应度函数和创建自己的基因和染色体,在JGAP中开发商为我们提供了一个具体的使用例子,但是那个例子对于初学者来说,有点困难理解起来,所以博主在学习了遗传算法基本理论的基础上,自己拱手开发了一个小例子,比较简单,就是从两个0-999999的数中,选择两个,使两个数的和最大,博主在做的过程中,完全按照JGAP的开发顺序,

  1. 设计自己的染色体(Chromosome)
  2. 实现适应度函数
  3. 设置Configuration 对象
  4. 建立一个种群(可能的解集)
  5. 开始进化(运行遗传算法) 
博主实现了两个类,一个是实现FunctionFitness,一个是主函数,下面是代码,希望给遗传算法的初学者带去帮助:

import org.jgap.FitnessFunction;
import org.jgap.IChromosome;
public class GADemoFunctionFitness extends FitnessFunction{
@Override
protected double evaluate(IChromosome a_subject) {
// TODO Auto-generated method stub
int sum=1;
int numOfGens=a_subject.size();
for(int i=0;i<numOfGens;i++){
sum+=(Integer)a_subject.getGene(i).getAllele();
}
return sum;
}
public static int getValueAtGene(IChromosome a_potentialSolution,int a_position) {
Integer value =(Integer) a_potentialSolution.getGene(a_position).getAllele();
return value.intValue();
                       }
}
主函数:
import java.io.File;
import java.io.FileNotFoundException;
import org.jgap.Chromosome;
import org.jgap.Configuration;
import org.jgap.FitnessFunction;
import org.jgap.Gene;
import org.jgap.Genotype;
import org.jgap.IChromosome;
import org.jgap.UnsupportedRepresentationException;
import org.jgap.data.DataTreeBuilder;
import org.jgap.data.IDataCreators;
import org.jgap.impl.DefaultConfiguration;
import org.jgap.impl.IntegerGene;
import org.jgap.xml.XMLDocumentBuilder;
import org.jgap.xml.XMLManager;
import org.w3c.dom.Document;
public class GADemo {
public static void main(String[] args)throws Exception {
// TODO Auto-generated method stub
Configuration conf=new DefaultConfiguration();
conf.setPreservFittestIndividual(true);
FitnessFunction myfunction=new GADemoFunctionFitness();
conf.setFitnessFunction(myfunction);
Gene []sampleGene=new Gene[2];
sampleGene[0]=new IntegerGene(conf,0,9999999);
sampleGene[1]=new IntegerGene(conf,0,9999999);
IChromosome samplechromosome=new Chromosome(conf,sampleGene);
conf.setSampleChromosome(samplechromosome);
conf.setPopulationSize(80);
Genotype popution; 
try{
Document doc=XMLManager.readFile(new File(“GADemo.xml”));
popution=XMLManager.getGenotypeFromDocument(conf, doc);
}catch(UnsupportedRepresentationException uex){
popution=Genotype.randomInitialGenotype(conf);
}catch(FileNotFoundException e){
popution=Genotype.randomInitialGenotype(conf);
}
long starttime=System.currentTimeMillis();
for(int i=0;i<50;i++){
popution.evolve();
}
long endtime=System.currentTimeMillis();
System.out.println(“the total evolve time:”+(endtime-starttime));
IChromosome bestSolutionSoFar=popution.getFittestChromosome();
System.out.println(GADemoFunctionFitness.getValueAtGene(bestSolutionSoFar, 0));
System.out.println(GADemoFunctionFitness.getValueAtGene(bestSolutionSoFar,1));
DataTreeBuilder builder = DataTreeBuilder.getInstance();
IDataCreators doc2=builder.representGenotypeAsDocument(popution);
XMLDocumentBuilder docbuilder = new XMLDocumentBuilder();
   Document xmlDoc = (Document) docbuilder.buildDocument(doc2);
   XMLManager.writeFile(xmlDoc, new File(“GADEMO.xml”));
发表在 开源人工智能 | 留下评论