了解量化投资是成为宽客道路上的一块重要的敲门砖。本文从量化投资定义、量化投资特点、量化投资优势及量化投资实践流程四方面简要为大家介绍量化投资相关知识。
量化投资是指通过数量化模型建立科学投资体系,以获取稳定收益。 在海外的发展已有30多年的历史,其投资业绩稳定,市场规模和份额不断扩大、得到了越来越多投资者认可。在国内,量化投资不再是一个陌生的词汇,近几年得到了迅猛的发展。
提起量化投资,就不得不提量化投资的标杆——华尔街传奇人物詹姆斯·西蒙斯(James Simons)。视频地址:“[横扫华尔街的数学家](https://bigquant.c
更新时间:2024-04-29 07:42
BigCharts是专业的金融市场和量化投资数据可视化探索与分析工具,致力于为用户提供高效、易用、可定制的数据可视化解决方案,提升用户在数据探索、分析和决策过程中的效率与准确性,成为量化投资者和金融分析师的得力助手。
import bigcharts
bigcharts.Line("SELECT date, close FROM cn
更新时间:2024-04-27 15:36
更新时间:2024-04-26 01:17
\
更新时间:2024-02-23 06:33
金融交易是指在金融市场上买卖金融工具的过程,例如股票、债券、衍生品(如期货和期权)、货币以及其他金融资产。这些交易可以在各种平台上进行,包括交易所、场外市场(OTC)和电子交易平台。金融交易的主要目的是为了投资、对冲风险或从市场价格变动中获利。
\
一般可以大致分为以下几类:
更新时间:2024-02-23 02:58
概率论与数理统计在我们的日常生活中扮演着极其重要的角色,然而,很多人在大学课堂上对其的理解并不够深入,无法将这些理论知识具象化并应用于实际生活中,这确实令人感到遗憾。因此,我决定重新学习这些知识,并用通俗易懂的语言来解释和记录,以便加深理解并更好地应用它们。
首先,我们来思考一个问题:数学是如何产生的呢?
想象一下,当我们的祖先遇到一个问题时,他们努力寻找解决方法,并最终成功地解决了这个问题。这种成功的喜悦让他们想要在未来的类似情况下能够轻松地应对,于是他们就把这种解决问题的思想和方法提取出来,逐渐形成了数学。
为了让更多的人受益,祖先们将这些方法整理成抽象且严谨的数学理论,并传递给其他
更新时间:2024-02-19 04:43
Python在量化开发领域内的应用非常广泛,它因为易于学习、强大的数据处理能力以及丰富的库支持而成为了量化分析和交易的首选编程语言。量化开发包含了使用数学模型来分析金融市场、发现交易机会以及自动化交易决策和执行的过程。(文末含所有开发资源汇总)
量化开发利用数学模型和计算机算法来分析金融市场,旨在通过自动化的策略发现并利用市场 inefficiencies。它主要涉及市场数据的收集与分析、策略的研发、回测、优化以及执行。
更新时间:2024-02-02 08:26
**概念定义:**一种使用高级数学模型、统计分析和计算机算法进行交易决策的方法。
**应用范围:**一般包括股票、期货、外汇和衍生品等金融市场;
**主要原理:**依赖于金融市场中的价格、交易量、经济指标等大量历史和实时数据,用以识别市场趋势、估值、波动性等关键因素;使用复杂的数学(包括统计学、概率论、机器学)模型来分析数据和预测市场行为,并通过计算机算法预设的规则和模型自动执行交易。(文末含量化核心资源)
数据分析
历史数据分析:通过分析历史价格、成交量等数据来预测市场趋势。
实时市场数据:收集实时交易数据,对市场
更新时间:2024-02-02 01:23
来源:SSRN 作者:Sophie Emerson, Ruairi Kennedy, Luke O’Shea, and John O’Brien
机器学习是人工智能的一个子领域,它使用统计技术为计算机模型提供从数据集学习的能力,允许模型在没有显示编程的情况下执行特定任务。近年来,机器学习技术激增,人们对其在金融领域的应用也越来越感兴趣。在投资管理中,已被应用于新闻的情绪分析、趋势分析、投资组合优化、风险建模等。那么,机器学习在量化投资中有哪些潜在应用呢?
1.常见的机器学习算法
机器学习算法主要有三种:监督学习、无监督学习和强化学习。监督学习是在已知输入和输出的情况下训练出一个模型,将
更新时间:2024-01-26 06:37
量化交易软件是一种专门设计用于执行量化交易策略的软件工具,广泛应用于金融市场。这种软件使投资者能够运用数学和统计方法,自动化地进行交易决策和执行。(tips:文末含所有量化交易软件平台入口及核心工具)
量化交易软件基于预设的算法和模型,进行市场分析、决策制定和交易执行。它通常包括数据分析、模型构建、回测、风险管理和自动化交易等功能。量化交易的核心是将投资策略数学化,使交易过程标准化和
更新时间:2024-01-24 04:12
备注:本策略含有未开放的数据,故克隆之后无法运行。
{{membership}}
https://bigquant.com/codeshare/b6e80d6b-f5e0-4778-97cf-77fcadb7b488
\
更新时间:2024-01-12 07:01
更新时间:2024-01-12 07:01
https://bigquant.com/aistudio/studios/a29733f8-0f37-11ed-93bb-da75731aa77c/?folder=/home/aiuser/work
更新时间:2024-01-11 07:37
更新时间:2023-12-29 10:56
# 回测引擎:每日数据处理函数,每天执行一次
def m19_handle_data_bigquant_run(context, data):
#...
# 2. 生成卖出订单
print(f'{today} before cash:{context.portfolio.cash}')
if cash_for_sell > 0:
for instrument in sell_instruments:
res = context.order_target(context.symbol
更新时间:2023-12-29 10:54
波动率(Volatility)是金融市场中用于衡量资产价格随时间变化的程度。波动率越高,表示资产价格的变动幅度越大,风险也越高。在股票市场中,波动率通常以历史波动率(基于过去的价格变动)或隐含波动率(基于期权定价)来衡量。
BigQuant的金融市场历史数据因子平台以及AI量化策略编写平台(PC端),可以验证波动率指标因子组成的量化策略。
![](/wiki/api/attachments.redirect
更新时间:2023-12-22 10:20
换手率(Turnover)通常用于描述股票或其他证券在特定时间内的交易活跃程度。金融市场中,换手率可用于衡量股票的流动性,即股票在市场上买卖的频率和容易程度。
BigQuant的金融市场数据因子平台以及AI量化策略平台(PC端),验证换手率因子组成的AI量化交易策略。
![](/wiki/api/attachments.redirect?id=83ec82a2-6c14-4425-8bae-05b216f7
更新时间:2023-12-21 11:08
更新时间:2023-12-15 02:54
不会代码也可以使用量化工具提升投资效率和收益概率的。
今天简单介绍下量化交易如何快速入门。
量化交易是什么意思
量化交易是一种使用高级数学模型、统计分析和计算机算法进行交易决策的方法,应用范围一般包括股票、期货、外汇和衍生品等金融市场。它主要依赖于金融市场中的价格、交易量、经济指标等大量历史和实时数据,用以识别市场趋势、估值、波动性等关键因素。
量化交易者可以通过使用复杂的数学(包括统计学、概率论、机器学)模型来分析数据和预测市场行为,并通过计算机算法预设的规则和模型自动执行交易。
![量化交易平台](/wiki/api/attachments.redirect?id=05
更新时间:2023-12-08 11:10
交易引擎回测模块的功能是实现用户的交易逻辑
策略逻辑与交易逻辑的对比:
策略逻辑 | 交易逻辑 |
---|---|
使用什么样的数据\n使用什么 |
更新时间:2023-12-06 01:59
请教一下,用1000多个股票一年的收益率数据和20个因子做多元回归模型,这里有多只股票和多个日期,应该要怎么处理呢?如何预测股票收益率?
更新时间:2023-11-27 06:10
如下午14点50,判断是否涨停,没涨停就卖出 这种
更新时间:2023-11-27 05:56
更新时间:2023-11-26 16:58
《Machine Learning for Stock Price Forecasting》是Ali El-Shayeb撰写的机器学习系列文章 ,本文主要介绍其第二部分内容——《监督式机器学习算法的应用》,并将其思想和代码应用在中国股票市场,开发出具有择时功能的监督式机器学习算法,最后进行策略回测。对此感兴趣的小伙伴可以直接在本文文末克隆策略源代码,进行深入和扩展研究。
Ali El-Shayeb通过价格和成交量相关的9个特征训练模型,特征列表和数据来源见下图。
![](/community/uploads/default/origin
更新时间:2023-11-26 16:58
本篇报告详尽地介绍了基于人工智能的阿尔法策略框架,包括基于AI技术在策略研究上的阶段性的工作和成果,并提供完整代码,读者可克隆策略,复现效果和继续改进。 希望本文能帮助读者拓展研究思路,应用AI来做更好的量化策略研发,把人工智能的能力赋予更多的投资者 (Democratize AI to empower investors)。
\
本篇报告构建了一个完整的可复用的 人工智能阿尔法策略框架。
本篇报告用AI对基本面、财务、交易型等 282个因子 做了单因子策略研究和多个维度上的绩效分析,并 **发掘了在短、中、长周期上多个夏普比率超过1.5 、年化收益超过 30
更新时间:2023-11-26 16:58