项目背景与目标：在国债期货市场中，挖掘基于 PPI、CPI 等宏观经济指标的多因子策略信号；使用 Python 读取并处理自 2013 年以来的 5 年期国债期货（TF 主力合约）数据，包括净多空持仓与排名、收盘价、成交量等；搭建回测框架，测试多种基本面与技术面指标组合的有效性，评估策略收益、回撤、夏普比率等关键指标；目标是帮助量化团队快速验证并迭代国债期货投研策略，为客户或内部资金提供可执行的交易参考。1. 数据获取与处理数据来源： 同花顺 iFind 及其他宏观数据接口（PPI/CPI）；数据范围： 2013 年国债期货上市起至今（涵盖完整牛熊周期）；字段内容： 日度收盘价、持仓量、成交量...

一、项目简介主要目标： 通过对澳大利亚东海岸地区的 Airbnb 房源数据进行分析，构建一套价格预测模型，为房东提供数据驱动的定价决策，提升市场竞争力与盈利能力。数据规模： 包含 12,500 条训练数据和 2,500 条测试数据，涵盖价格（price）、地理位置（经纬度）、房屋特征（如 bedrooms、beds 等）以及文本描述等信息。技术与方法：数据清洗与预处理： 针对缺失值、异常值进行处理，并对类别过多的字段（如 property type）进行合并；探索性分析 (EDA)： 通过可视化手段洞察价格分布、地理分布与各特征间关系；特征工程： 包含文本分词、TF-IDF 向量化，以及针对部...

一、项目简介核心目标： 基于澳大利亚不同地区的用户屋顶光伏系统数据，构建预测模型，评估未来太阳能发电量。数据规模： 使用 Python 对 10000+ 组用户数据进行全面分析（包含屋顶角度、容量、阴影情况等关键因子）。技术与方法：数据清洗与特征工程：剔除或修正缺失值，新增屋顶方向等非线性特征；三种线性回归模型对比：含多元线性回归、带交互/二次项的回归模型等；最终选择均方误差（MSE）最优的模型做报告与可视化输出。成果：建立了针对不同屋顶类型与光伏系统容量的预测模型，为政府与企业决策提供量化参考；报告较系统地展示了太阳能发电量在澳洲不同城市/纬度下的分布与趋势。二、项目主要思路与流程数据概览与...

一、项目简介（简历原文精简版）两阶段模型设计与开发：阶段 1（分类模型）： 主要使用随机森林等算法，预测客户是否会进行交易，精准识别过去成交量为 0 的客户。阶段 2（回归模型）： 在阶段 1 结果基础上，对预测为 0 的客户进行修正后，针对其余客户进行成交量预测；应用随机森林、梯度提升、模型堆叠等回归方法，显著提升预测精度。预测指标： 两阶段模型的 R² 可达 0.87，并针对高度不平衡数据集进行了处理和优化。成果： 两阶段方法有效提高了潜在高价值客户的挖掘与成交量预测的准确度，为后续个性化营销与重点客户管理提供数据支持。二、项目主要思路与流程在项目中，为了更好地模拟真实业务场景，我们将预测...