统计套利

统计套利是一种量化投资策略,它利用统计模型来识别和利用资产价格的相对偏差。该策略的核心思想是寻找历史上展现出稳定关系的资产对,当这种关系出现临时偏离时,假设这种偏离最终会收敛,投资者可以据此进行套利交易。 具体来说,当资产对的价格比例偏离其历史均值时,统计套利策略会建立相应的多头和空头头寸。如果价格比例回到均值,套利者就能够实现无风险利润。这种策略的有效性依赖于所选资产对的价格关系在未来是否保持稳定,因此,选择合适的资产对和准确的统计模型是成功实施统计套利的关键。 统计套利在金融领域的应用广泛,它不仅可以应用于股票、债券等传统资产,还可以应用于衍生品、外汇等市场。同时,随着大数据和机器学习技术的发展,统计套利策略的复杂性和精度也在不断提高。但需要注意的是,尽管统计套利在理论上具有吸引力,但在实际操作中,市场摩擦、交易成本等因素可能会影响策略的实际表现。

多因子选股策略-股票日频

https://bigquant.com/experimentshare/c2cf252d64b7408a8071f4d78f52a5ea

\

更新时间:2024-05-20 10:04

lightgbm多因子选股

旧版声明

本文为旧版实现,仅供学习参考。

https://bigquant.com/wiki/doc/demos-ecdRvuM1TU


预计算因子表[数据平台] https://bigquant.com/data/datasources/cn_stock_prefactors

https://bigquant.com/wiki/doc/dai-PLSbc1SbZX

[ht

更新时间:2024-05-20 06:21

利用机器学习对冲风险

https://bigquant.com/experimentshare/d50ee96c36f84af6ad990409294db4cb

\

更新时间:2024-05-20 02:09

基于协整的配对交易

更新

本文内容已经过期,不再适合平台最新版本,请查看如下最新内容:

https://bigquant.com/wiki/doc/5z65lqo5y2p5pw055qe6ywn5a55lqk5pit-6x1P1362eJ

策略案例

[https://bigquant.com/experimentshare/6b05d7bd134e420387acfa25c37b283f](https://bigquant.co

更新时间:2024-05-17 09:23

高质量AI量化策略

【此文档为旧版策略】具体可参考新版文档:

https://bigquant.com/wiki/doc/103-ai-LpsqDhu8mG

https://bigquant.com/experimentshare/dd9cff01459a41f9be40d7e660164795

\

更新时间:2024-05-16 07:58

【历史文档】策略-策略构建

更新

本文内容对应旧版平台与旧版资源,其内容不再适合最新版平台,请查看新版平台的使用说明

新版量化开发IDE(AIStudio):

https://bigquant.com/wiki/doc/aistudio-aiide-NzAjgKapzW

新版模版策略:

https://bigquant.com/wiki/doc/demos-ecdRvuM1TU

新版数据平

更新时间:2024-05-15 09:34

套利策略的工作原理

\

什么是套利?

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。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。

这可以通过多种方式完成,例如:

  • 在不同市场买卖相同证券(空间套利)
  • 证券的现货价格和期货合约同时买卖
  • 买入被收购公司的股票,同时卖出收购公司的股票(合并套利)。

套利可应用于金融工具,例如

  • [股票](https

更新时间:2023-12-05 07:25

量化书籍


\

更新时间:2023-06-14 03:02

量化交易&机器学习干货精选

故不积跬步,无以至千里;不积小流,无以成江海。--《荀子·劝学篇》

1.机器学习用于选股,对财务数据的特征学习,居然还是小市值NB....

2.机器学习,海量数据预测股票的未来趋势,+Model的研究

3.机器学习之神经网络入门

4.[随

更新时间:2023-06-14 03:02

量化读书会2:高频数据,低频信号

这是加入顾北先生的量化讨论群的第三篇文章。 因为大家之前讨论的内容过于分散,不利于讨论深度,因此从这次起,从之前的文章自己命题,改成了小组命题。这次的命题是一个具体的信号,但是我希望可以写的更广泛一点,多总结一下背后的方法论。

这次介绍的文章,是高子剑先生(曾任方正证券金融工程首席,现任东吴证券金融工程首席)的《“聆听高频世界的声音”系列研究(四)》。高子剑先生是国内“高频数据,低频信号”方法论的第一人和推广者,金融研究报告在全行业里面深度优秀,同时对方法论的坚持,也让人印象深刻。他的成功经验,对量化从业者对研究的深度和广度的权衡,很有启发。想在行业立住脚,有一两个让人一提到就能想到你的研究

更新时间:2023-06-14 03:02

【量化策略】从模糊集理论出发构建股价动力学方程

本文来源于清华大学量化协会金融物理学术小组成果,由清华凝聚态物理phd夏同学撰写。

目前量协已经开设了多个学术小组,涉及金融物理学、统计套利、alpha策略、期货趋势追踪,波动率预测、期权研究、舆情NLP分析、增强学习、高频机器学习等多个方向。最近协会还致力于更多的校友机构合作,学术小组的成员将有机会参与这些机构指定的的研究项目并获得一定的报酬与提高,做的好的同学还将有实盘上线的机会。

欢迎对量化交易研究感兴趣的在校硕博及优秀本科生(数学、物理、统计、计算机、金融、电子等专业优先)私信我加入小组参与研究。

本文概要

本文从LX Wang的paper出发,由模糊集(Fuzz

更新时间:2023-06-14 03:02

【量化模型】Black-Litterman模型介绍

本文来源于清华大学量化协会alpha学术小组经管学院@llleafer同学的整理。目前量协已经开设了多个学术小组,涉及金融物理学、统计套利、alpha策略、波动率预测、期权研究、舆情NLP分析、增强学习、高频机器学习等多个方向。

欢迎对量化交易研究感兴趣的在校硕博及优秀本科生(数学、物理、统计、计算机、金融、电子等专业)私信我加入小组参与研究。

Black-Litterman模型是基于MPT基础上的资产配置理论。BL模型在隐含市场收益率和分析师主观预测信

更新时间:2023-06-14 03:02

python量化交易教程——常用函数

关于python的优势就不说再多了,地球人都知道,还不知道的去面壁思过。因为不想当韭菜,所以还是自己老老实实写代码吧。

记录些常用的内容,以便自己回头复习。

常用的函数有:

  • numpy 处理向量矩阵

  • scipy 数据统计优化处理

  • pandas 金融数据分析

  • matplotlib 画图

  • tushare 财经数据

  • Zipline 回测平台

  • TaLib 技术指标

  • BigQuant 人工智能量化投资平台

——介绍

Numpy

Numpy是Python的一个科学计算的库,提供了矩阵运

更新时间:2023-06-14 03:02

程序化交易、算法交易、量化投资、高频交易、统计套利之间的区别

程序化交易:program trading

很简单的字面意思,意味着你利用程序(program)进行交易。具体的交易时机,交易仓位,止损止盈获利标准可能包含在程序本身,也可能独立于程序之外,程序本身只是执行的方式。与程序交易对应的是人工交易。一般利用程序交易有几大优势,比如说较快的速度,脱离了人为情绪的影响,执行力有保证等等。同时也应注意交易程序和交易系统的区别。交易系统是一个完整的系统,具体执行的程序可能只是其中的一部分。一个良好的交易系统应该还有风险控制,资金利用,仓位管理等方面的内容,而不仅仅是买卖信号的产生。

算法交易:algorithm trading

更新时间:2023-06-14 03:02

量化投资灵魂18问

背景

近期对于量化争议颇多,无论市场涨跌量化都会被拉出来分析一番,量化是否对影响到了市场的变化?大众理解的量化和实际的量化是否一致?刚好看到幻方的量化18问,分享出来与大家共赏。以下转至幻方量化公众号:

量化投资只是一个统称,实际上有千千万万种,各不相同。由于每个参与者的观察样本都有局限性,很容易盲人摸象,以偏概全(本文也不例外)。但本文还是试图对A股量化投资的一些基本的问题作出解释。

什么是量化投资

量化投资是指用数学/统计/人工智能等方法取代人工决策,在二级市场进行投资。一般情况下,市场研究、基本面分析、选股、择时、下单等都可以由计算机自动完成。

量化投资的原理

更新时间:2023-06-14 03:02

万字干货转载 量化投资的方法论


写在文前:周末为大家奉上一篇来自棋剑资产王晓光的一篇报告,文有点长,但是确实系统地讲解了量化投资这件事。海纳百川,多学习不同的观点能拓宽视野。先祝大家周末快乐。

![](data:image/svg+xml;utf8,<svg xmlns='http://www.w3.org/2000/svg' width='500' height='270'></svg>)

*原文:

更新时间:2023-06-14 03:02

【清华量协】统计套利小组Paper阅读总结

量协的统计套利策略小组成立快一个月了,这一个月来小组成员的主要活动内容就是进行大量paper的阅读与分享。和其他策略类型不同,统计套利或是配对交易本身涉及统计学、随机过程的理论和方法比较多,所以学术界可以参考的paper也较为丰富成体系。

我们这次主要阅读的是[Statistical Arbitrage Pairs Trading Strategies:Review and Outlook](https://link.zhihu.com/?target=https%3A//www.econstor.eu/dspace/bitstream/10419/116783/1/833997289.pd

更新时间:2023-06-14 03:02

隐马尔可夫链之基本原理

在本讲中,我会给大家介绍隐马尔可夫模型(HMM)的基本原理。HMM是一种非常重要的机器学习算法,在自然语言处理和语音识别中有着极其广泛的应用。HMM涉及到的内容非常的多,本次讲解无法面面俱到,希望大家能抽出时间更加系统地学习这个模型。

一个进入HMM世界的简单例子是:在赌场内有一个赌徒玩得一手好骰子,战无不胜,赌场老板怀疑赌徒偷换了骰子(不均匀的),于是通过摄像头把每次骰子出现的点数都记录了下来,现在问题是通过这一串点数你能判断赌徒是否偷换了骰子吗?如果偷换了那么用了几个作弊的骰子?这几个作弊的骰子每个点数出现的概率是多大?(该例子来源于[小小鸟小小 - 博客频道 - CSDN.NET](h

更新时间:2023-06-14 03:02

【华泰金工林晓明团队】国内量化私募发展及业绩归因

林晓明 S0570516010001 研究员

李子钰 S0570519110003 研究员

何康 S0570520080004 研究员

王晨宇 S0570119110038 联系人

报告发布时间:2021年10月13日

摘要

国内量化私募快速发展,本文对多类量化私募产品进行业绩归因和分析

==近年来国内量化投资高速发展,私募量化产品在持续扩容的同时保持了优秀的业绩,市场关注度显著提升。据基金业协

更新时间:2023-06-14 03:02

期现套利策略-期货日频

https://bigquant.com/experimentshare/c9bec637c6da4f86b5734837d2605360

\

更新时间:2023-06-01 06:16

量化择时


\

更新时间:2023-05-04 15:10

49th Meetup

Q1-@james:有什么另类的标注可以推荐下?

https://bigquant.com/wiki/doc/-0kcMgSnQXw

https://bigquant.com/wiki/doc/rengongzhineng-xilie-ershijiu-shouyi-linglei-biaoqian-zhengquan-fuben-xRMNFmmg00

{w:100}{w:100}{w:100}

更新时间:2023-01-16 10:16

多个套利对配对交易

策略案例

https://bigquant.com/experimentshare/dc13d0aed4b64f48803af3f764129b44

\

更新时间:2022-11-20 03:34

高频动量策略与主观超短交易

分享主题

高频动量策略与主观超短交易

\

视频回放

https://www.bilibili.com/video/BV1eG4y147Ki/

\

直播资料

/wiki/static/upload/70/70110d2a-6075-45b4-ad3c-618340dc720f.pdf

\

更新时间:2022-11-19 10:28

A股港股市场配对交易

Pairs trading across Mainland China and Hong Kong stockmarkets

作者:Hanxiong Zhang, Andrew Urquhart

出处:International Journal of Finance and Economics, 2018-10

摘要

基于市场效率低下是由非理性需求和套利限制相结合而导致的,本文研究了1996年1月至2017年7月间,在中国内地和香港交易高流动性大盘股和中盘股的配对交易的盈利能力。作者有三个主要发现:

  1. 限定在每个市场内的配对交易不会产生重大的异常收益。但是,如果投资者

更新时间:2022-11-02 09:09

分页第1页第2页