- 博客(136)
- 收藏
- 关注
RSS订阅原创 小市值策略代码怎么写？
于市场环境的变化可能对小市值公司产生更大影响，因此及时的信息收集和分析是确保投资成功的重要组成部分。另外，需要注意的是小市值股票通常伴随较高的市场波动性和不确定性，因此分散投资策略显得尤为重要。通过将投资分散到不同行业和市场中，可以有效地分散风险，减少单一股票或行业波动对整个投资组合的影响。小市值股票投资需要较长的时间视角，成长和成熟过程可能比大市值股票更漫长，因此耐心和长期持有的心态是实现良好回报的关键。
2023-12-01 21:00:00
158
原创 算法那么多，AI量化交易策略如何选择最佳算法？
在实际场景中，对于某些较为单一的选股条件，或者特征因子，没有经过大量细节优化修正的神经网络模型，效果有可能不及预期。但是，需要注意的是，深度学习算法的学习过程通常需要较长时间，并且需要更多的计算资源。正常情况下，在处理少量的股票量价数据的时候，stockranker排序算法就已经有很好的表现，初步制定策略的时候不妨先考虑从stockranker下手（与此同时，我们同样可以看出在相同的因子和训练数据中，未经过深度调整的DNN神经网络模型表现不佳，回测收益为负数。训练集：14-2018年-01-14。
2023-11-30 19:05:57
305
原创 欧奈尔的RPS指标如何使用到股票预测
1988年，欧奈尔将他的投资理念写成了《笑傲股市How to Make Money in Stocks》。书中总结了选股模式CANSLIM模型，每一个字母都代表一种尚未发动大涨势的潜在优质股的特征。
2022-12-02 18:53:44
1618
原创 从均值方差到有效前沿
我们这里假设的是单期投资的情况，这个假设可以被放宽，大致不影响我们的结论和分析过程；我们虽然做了无交易成本假设，但是在实践中是需要考虑的，也是可以被建模的；我们上述分析暗含了自融假设，即可以通过建立空头头寸为多头融资，这个在实践中往往是有限制和不允许的；交易者是风险厌恶的，只基于均值方差来做投资决策；假设股票是iid正太分布，这个假设有待商榷；有效前沿是有用的工具，所有风险厌恶的投资者都应该考虑它；有效前沿是均值方差最优的机会集，是最小风险组合与最优夏普组合的线性组合；
2022-11-03 14:02:07
2077
1
转载 机器学习因子：在线性因子模型中捕捉非线性
虽然机器学习(机器学习)算法已经存在了几十年，但最近它们在包括金融在内的许多领域受到了越来越多的关注，尤其是在解释资产回报的应用上。虽然线性因子模型多年来一直是理解风险敞口、风险和投资组合表现的重要工具，但没有哪一种模型是一成不变的，即因子敞口和回报之间的关系必须是线性的。
2022-10-17 13:34:10
643
原创 AI量化策略会：可以直接上实盘的策略构建方法
AI量化策略会是在AI量化投资训练营基础上的高阶版，结合AI量化投资训练营效果最佳。您将在AI量化策略会上学习到多种类型的实用性AI量化策略开发，从因子构建、策略模型调优到策略实盘等完整的策略实盘实践路径。还可以给我们投稿最想要听的内容，提前安排在下一期的AI量化策略会分享中。
2022-09-05 16:08:19
2526
原创 BigQuant*中金财富“启明星”创新量化交易大赛开启，月月都拿奖
BigQuant与中金财富联合举办的创新量化交易大塞正式启动了！本次大赛旨在汇聚一批具备编程基础且对量化投资感兴趣的量化爱好者，通过比赛形式共同切磋，探讨量化投资发展的新思路，同助推金融人才的建设工作和持续化发展。......
2022-08-27 11:44:59
853
原创 免费学习机器学习交易的资源
机器学习是当今几乎每个行业的需求。医药、交通、医疗保健、广告和金融技术等行业非常依赖机器学习。谈到金融技术领域，算法交易实践对于机器学习算法非常有效。有各种资源可用于学习机器学习交易，但本文旨在让您可以访问学习机器学习交易的免费资源。如何使用机器学习进行交易？, 由量子这本电子书包含所有信息，从解释人工神经网络的基础知识和工作原理，到演示用 Python 实现股票价格预测的代码。可解释的机器学习，Christoph Molnar本书的重点是帮助读者学习表格数据的机器学习模型。...
2022-07-13 18:02:55
239
转载 一文读懂遗传算法（附python）
遗传算法 (Genetic Algorithms，简称GA)是人工智能的重要新分支，是基于达尔文进化论，在计算机上模拟生命进化机制而发展起来的一门新学科。它根据适者生存、优胜劣汰等自然进化机制来进行搜索计算和问题求解。本文主要介绍遗传算法的原理，包括其定义及其实现步骤，以及遗传算法的研究现状和未来发展趋势。...
2022-07-04 15:41:27
501
原创 机器学习中的无监督学习是什么？
顾名思义，“无监督”学习发生在没有监督者或老师并且学习者自己学习的情况下。例如，考虑一个第一次看到并品尝到苹果的孩子。她记录了水果的颜色、质地、味道和气味。下次她看到一个苹果时，她就知道这个苹果和之前的苹果是相似的物体，因为它们具有非常相似的特征。她知道这和橙子很不一样。但是，她仍然不知道它在人类语言中的名称是什么，即“苹果”，因为不知道这个标签。这种不存在标签（在没有老师的情况下）但学习者仍然可以自己学习模式的学习称为无监督学习。...
2022-07-04 14:43:03
8906
原创 量化交易的相对强弱（RSI ）指标计算及策略
相对强弱指数 (RSI) 指标告诉我们资产的相对强弱。换句话说，RSI 告诉我们股票相对于自身的表现（或不表现）。RSI 被视为一种强大的技术指标，可用于分析市场，并且是交易者武器库的重要组成部分，因为它可以帮助他们在市场时机上做出更好的决策。当然，与其他指标一样，始终建议使用多个指标，因为它可以帮助我们避免对一个指标的限制和过度依赖。因此，在本博客中，除了了解 RSI 指标外，我们还将了解它的局限性以及何时使用它们。...
2022-07-04 14:11:52
1919
原创 建立量化交易趋势跟踪策略的五个指标
趋势跟踪策略是您只需顺势而为的策略，即在价格上涨时买入，在价格开始下跌时卖出。在趋势跟踪策略中，人们的目标不是预测或预测，而只是关注市场上的任何新兴趋势。我们谈论：我们在本文中介绍了以下趋势指标：由于互联网的力量，我们都听说过病毒式传播。尽管这是相同的概念，但目标不同。在金融界也有 FOMO（害怕错过），尽管在这里，原因是普遍希望站在胜利的一方。情绪驱动人。虽然我们使用算法交易（即量化交易策略）来抑制情绪化交易，但同样也可以用于利用情绪并将其货币化。趋势跟踪策略旨在利用市场情景获利。...
2022-07-04 12:06:03
3589
转载 如何利用布林带构建量化交易策略？
布林带之于交易就像莎士比亚之于文学，如果你想在交易世界中留下印记，这非常重要而且很难避免。布林带是一种技术指标，用于以更好的方式分析市场并帮助我们对资产价格做出更好的假设，即资产是否超买或超卖。本文将讲述布林带的基本原理及如何实现用布林带 构建量化交易策略...
2022-07-04 10:21:56
1189
转载 量化交易之配对策略
对于股价有长期协整关系的两只股票X和Y, 可以通过历史数据回归计算两只股票的股价关系,即 Y = a*X + b, 得到相关系数a和残差项b； 如果两个股票所属同一行业，我们可以认为两者的股价未来应该保持上述关系，即序列 zscore=(b-mean(b,N))/std(b,N) 存在比较稳定的均值回归特性，保持在-1和1之间往复震荡; 当zscore小于-1时,Y股票低估，此时卖出X, 全仓买入Y； 当zscore大于 1时,X股票低估，此时卖出Y, 全仓买入X。...
2022-07-02 16:26:24
524
原创 套利策略的工作原理
统计套利起源于 1980 年代左右，由摩根士丹利和其他银行主导。统计套利策略，也被称为 StatArb，见证了金融市场的广泛应用。该策略的流行持续了二十多年，并围绕它创建了不同的模型以获取巨额利润。简单来说，统计套利由一组量化驱动的算法交易策略组成。这些策略旨在通过分析价格模式和金融工具之间的价格差异来利用数千种金融工具的相对价格变动。这里需要注意的一点是，统计套利不是高频交易 (HFT) 策略。它可以归类为中频策略，其中交易期发生在几个小时到几天的过程中。...
2022-07-02 16:13:44
1066
转载 时间序列的分析和预测
由于预测股票市场的未来股票价格对投资者至关重要，时间序列及其相关概念具有组织数据以进行准确预测的卓越品质。在本文中，让我们阅读时间序列的重要性、分析和预测。在这里，涵盖的一些基本子主题是：简而言之，时间序列是随时间推移的一系列观察结果，通常以固定间隔隔开。为了支持该声明，以下是时间序列的一些示例：来到时间序列分析，它只是意味着识别那些有助于分析时间序列数据的方法。时间序列分析的主要目的是开发能够最好地捕捉或描述时间序列或数据集的模型。此外，这有助于了解数据集的根本原因，以帮助您创建有意义且准确的预测。...
2022-07-02 15:51:52
4350
1
转载 用python将卡尔曼滤波技术和统计套利应用在期货市场
本项目实施的交易策略称为“统计套利交易”，也称为“配对交易”，是一种逆势策略，旨在从某个配对比率的均值回归行为中获利。该策略背后的假设是，显示协整特性的对的价差本质上是均值回归，因此如果价差显着偏离均值，将提供套利机会。......
2022-07-02 10:13:50
957
原创 日内因子：开盘缺口探索
股价的日内走势可能蕴藏着一些非常有用的信息，尤其是开盘和收盘的几分钟，潜藏的有效“私有信息”可能性比较大。比如，由于隔夜时段的交易暂停，每个交易日开盘后，市场累积的大量私有信息，将通过交易迅速得到释放，知情交易概率在日内呈现快速下降的态势。
2022-01-05 11:52:11
224
原创 时间加权平均价格算法（TWAP）和成交量平均算法（VWAP）在量化回测的应用
为了评估策略的资金容量，我们对M.trade模块里买入点和卖出点这两个参数进行了更丰富的扩展，支持了策略能够按更丰富的算法交易价格（WAP）进行撮合
2022-01-05 11:30:09
5853
原创 开发AI量化策略所遇到的坑
AI只是工具，想要驾驭AI还得自身有点功底，不然反而会被工具所害，甚至从信仰AI变为抵制AI。本文简单介绍开发AI量化选股策略中所遇到的各种坑，希望大家有所收获，少走弯路
2022-01-04 14:46:02
435
原创 如何写出一个好策略：因子是否越多越好？
比如某个模型已经有18个因子，如果再添加因子，是以什么标准添加因子？因子是否越多越好？ 新加进去的因子是起什么作用？
2022-01-04 14:40:11
198
原创 如何写出一个好策略：因子构建、因子评估到量化策略构建
量化投资对于大部人来说都挺难的，我们也在努力地将量化投资的门槛降低，让很多专业量化者能够精益求精，让对量化感兴趣的人能更好地进入该领域。因此，今年开设了线上Meetup答疑活动，围绕量化策略开发，及时地解决大家遇到的问题
2022-01-04 14:17:33
644
原创 量化投资中的因子逻辑是什么？该如何实现？
本文主要是参考华泰多因子系列研报，整理了十一个大类因子的因子逻辑，以及大类因子里一些小因子的描述和平台实现方法
2021-12-31 11:33:07
13508
原创 寻找市场中的Alpha-WorldQuant功能的实现（下）
本文介绍Alpha的相关基本概念，以及寻找和检验Alpha的主要流程和方法。在上篇中我们梳理了 WorldQuant经典读本FindingAlphas的概要以及WebSim的使用。作为下篇，我们演示如何通过BigQuant平台可以复现WebSim的因子分析功能，可以只输入因子表达式以及一些相关参数，便能够获取因子分析的相关结果。
2021-12-31 11:27:23
1467
原创 寻找市场中的Alpha—WorldQuant的阿尔法设计理念（上）
本文旨在向读者介绍Alpha的相关基本概念，以及寻找和检验Alpha的主要流程和方法。在上篇中我们梳理了 WorldQuant经典读本FindingAlphas的概要以及WebSim的使用，在下篇中我们会介绍相关方法在BigQuant平台上的实现。
2021-12-31 11:21:38
1150
原创 深度学习前沿 | 利用GAN预测股价走势
本文是对于medium上Boris博主的一篇文章的学习笔记，这篇文章中利用了生成对抗性网络（GAN）预测股票价格的变动，其中长短期记忆网络LSTM是生成器，卷积神经网络CNN是鉴别器，使用贝叶斯优化（以及高斯过程）和深度强化学习（DRL）优化模型中超参数。
2021-12-30 11:39:55
2822
2
原创 如何应对深度学习中的过拟合
这是一个老生常谈的问题了，也是随着机器学习、深度学习的发展，被人诟病最多的一个问题。其实机器学习AI的发展也是不断地与过拟合问题解决过程中不断地发展开来，一起来说一说AI量化投资当中一些过拟合的问题吧！
2021-12-30 11:35:02
995
原创 能否通过技术分析敏锐捕捉提前入驻即将轮动的版块
轮动我们一边拿会分为基于大周期、基于行业间、基于跨市场、基于聪明的钱，这里BigQuant择选几篇研究报告，给出示例
2021-12-30 11:30:09
331
原创 多因子组合如何进行风险线性分解
该模块是基于Barra风险模型开发出的可以将使用者投资组合的历史表现进行风险分解并归因到9种Barra大类因子上面，可以让BigQuant使用者更直观地将自己的组合进行风险线性分解。
2021-12-29 14:39:35
934
原创 2021AI量化投资训练营重磅升级，自带编程的优势显而易见
量化交易规模突破万亿大关国内量化交易规模快速发展，今年量化基金已突破万亿大关，并且量化私募的整体业绩十分亮眼，过去5年一线量化私募的超额收益基本在20%~30%，量化交易的占比已达到20%～30%（BigQuant开第一期培训的时候还不到10%），可见量化的发展迅猛，未来也会以更快地速度占领交易市场。无论是自己投资需要还是进入量化领域学习量化都是不错的选择。关于AI量化投资训练营BigQuant今年的培训比往年来的晚一些，在大家的日益催促下2021AI量第四期化投资训练营正式开班了！今年的课程中新增.
2021-09-15 16:43:46
511
原创 深度学习前沿 | 利用GAN预测股价走势
这里写自定义目录标题欢迎使用Markdown编辑器新的改变功能快捷键合理的创建标题，有助于目录的生成如何改变文本的样式插入链接与图片如何插入一段漂亮的代码片生成一个适合你的列表创建一个表格设定内容居中、居左、居右SmartyPants创建一个自定义列表如何创建一个注脚注释也是必不可少的KaTeX数学公式新的甘特图功能，丰富你的文章UML 图表FLowchart流程图导出与导入导出导入欢迎使用Markdown编辑器你好！ 这是你第一次使用 Markdown编辑器 所展示的欢迎页。如果你想学习如何使用Mar
2021-07-28 14:39:41
4708
5
原创 寻找市场中的Alpha（上）：WorldQuant的阿尔法设计理念
本文旨在向读者介绍Alpha的相关基本概念，以及寻找和检验Alpha的主要流程和方法。之前我们梳理了 WorldQuant经典读本FindingAlphas的概要以及WebSim的使用，在下篇中我们会介绍相关方法在BigQuant平台上的实现。一、初识Alpha1、什么是Alpha?WorldQuant中提及的alpha是一个数学表达式，用来预测各种金融工具的未来走势。alpha同时也是对每种金融证券收益率的预测。如果用alpha反映每日每种金融证券收益率，同时每种金融证券的配置头寸比例与alpha成
2021-01-16 10:48:19
2800
原创 物理工程建模和AI量化建模的时空跳跃
我是李冠达，在宽邦科技（BigQuant）担任高级策略工程师，毕业于清华大学，从事过流体、固体力学工程方面的建模工作。有6 年以上的量化投资经验，转到AI量化也3年多了。个人比较擅长将物理层面的模型迁移到量化投资上，曾帮助国内知名基金成功设计出 AI 模型。介绍一下目前从事的工作目前主要在BigQuant上研究各类算法在量化的应用，例如LSTM\LGBT等等算法的研究 。同时，也开AI量化的Meetup，针对在AI量化中有疑惑或者遇到障碍进行答疑，这样直接的沟通，可以解决大家不少的疑虑。也会在高校去讲讲
2020-12-31 17:39:15
2166
原创 跨学科的AI量化其实很简单
我在AI量化的跨学科研究邵守田在宽邦科技（BigQuant母公司）担任高级策略工程师，曾在私募基金管理过数亿规模资产。现专注AI策略研究，参与BigQuant的模块建设、算法研究、策略开发，主导了CNN\DNN等算法模型研究和构建，同时主导金融机构客户的的策略研究工作。介绍一下自己和从业的工作大家好 ，我是邵守田，毕业于东北财经大学行为金融硕士研究生。曾在私募机构任职基金经理，管理上亿规模资产，并且也取得了良好的成绩。我学习的是行为金融，本身就是一门跨学科研究的专业，结合了金融、数学、计算机三个领域的
2020-12-30 16:02:03
3573
原创 利用CNN对股票“图片”进行涨跌分类——一次尝试
首先解释一下标题：CNN：卷积神经网络（Convolutional Neural Network）, 在图像处理方面有出色表现，不是被川普怒怼的那个新闻网站；股票涨跌：大家都懂的，呵呵；股票图片：既然使用CNN，那么如果输入数据是股票某个周期的K线图片就太好了。当然，本文中使用的图片并不是在看盘软件上一张一张截下来的，而是利用OHLC数据“画”出来的；尝试：这个词委婉一点说就是“一个很好的想法_"，比较直白的说法是“没啥效果T_T”。进入正题：首先是画出图片。本文目前是仿照柱线图画的。大致
2020-12-17 14:12:46
971
2
原创 如何写好策略——因子篇（二）：因子是否越多越好？
在这个模型里的18个因子，难以衡量每个因子的作用。目前有一套shap包，对黑箱有一定的解释性。这个解释原理比较简单，按照添加该因子的顺序观察结果变化。比如添加该因子前和添加因子后，模型输出结果的变化是否发生了变化，结果对模型的敏感度或者贡献度有什么影响，这个可以评判因子对预测值起到了拉高还是降低的作用，进而计算shap值作为评估。BigQuant以后逐步地把这个功能加进来，形成标准化、模块化的产品功能。同时，可以参考一下相关的研报。例如华泰证券有对黑箱模型的解释： Shap包应用、因子之间的相互作用。但对
2020-12-05 16:45:39
1392
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人