夏普比率
夏普比率（Sharpe Ratio）是金融领域中用于衡量投资风险调整后表现的重要指标。它由威廉·夏普于1966年提出，用于量化投资者在承担每单位风险时所获得的超额回报率。夏普比率的计算公式为（回报率 – 无风险利率）/ 标准差，其中，回报率表示资产的平均收益，无风险利率通常与国债收益率相近，而标准差则代表资产收益的波动性或风险。 夏普比率越高，说明在相同风险水平下，投资策略所获得的回报越高，反之则越低。此指标不仅为投资者提供了一个量化工具来评估投资组合的风险与回报之间的平衡关系，还有助于比较不同资产或策略之间的性能。因此，夏普比率在金融决策、资产配置和绩效评估等方面具有广泛应用。
策略高级设置
\
更新时间：2023-05-11 03:12
用k-近邻分类算法实现A股股票选股
更新时间：2023-01-03 07:44
如何获取策略模拟资金曲线信息 ，再反向输出集成策略？
问题
如何获取策略模拟资金曲线信息 ，再反向输出集成策略？
视频
https://www.bilibili.com/video/BV1wR4y1C7ZT/?vd_source=ecd29bbd04cbefdfa426167c55241973
策略源码
[https://bigquant.com/experimentshare/b8a38c78cb844ac3bc3821e42497ff5
更新时间：2023-01-03 07:42
如何对1-3日内上涨的股票进行标注
问题
freestyle996+如何运用股票标注的方法对1-3日内上涨的股票进行标注?
视频回放
https://www.bilibili.com/video/BV1uP4y1R7kh/?spm_id_from=333.999.0.0
策略源码
[https://bigquant.com/experimentshare/0a4bb333c1bb4f4e91d7701a3538f6f4](https://bigquant.co
更新时间：2022-11-21 05:24
机器学习+择时+跟踪止损+技术分析
更新时间：2022-11-20 03:34
多个套利对配对交易
更新时间：2022-11-20 03:34
Alphalens因子分析模板
更新时间：2022-11-20 03:34
马科维茨做上证50指数增强探索
更新时间：2022-11-20 03:34
用传统框架测试机器学习-GBDT算法
更新时间：2022-11-20 03:34
分享一个可视化深度学习建模的例子
更新时间：2022-11-20 03:34
可视化的上证50指数增强策略（按日换仓）
更新时间：2022-11-20 03:34
回测
\
更新时间：2022-11-09 01:23
关于超参寻优
超参里的评分函数除了用夏普标记外，如何将年化、胜率、最大回撤加进去
更新时间：2022-11-09 01:23
回测模块的返回中的每个列的具体含义可以去哪里查
问题
回测模块的返回可以用
read_raw_perf()来读取，但是读取之后每个列的值的含义可以去哪里查呢，虽然这个链接已经写了一部分，但是列名和使用read_raw_perf()读取后的结果是对不上的，比如读取后的列名有 returns，
starting_exposure，pnl，
excess_return max_drawdown max_leverage
等等这些列的具体含义有说明文档可以查吗？
解答
目前还没有对raw_perf进行字段文档的输出，这个我们下来整理一下近期会放到知识库中
更新时间：2022-11-09 01:23
技术择时系列报告之二：均线交叉结合通道突破择时研究 申万宏源_20180410_
更新时间：2022-11-05 08:13
文艺复兴-美国量化私募
交易策略揭秘
Renaissance Technologies文艺复兴科技公司交易策略揭秘记录！该短片中详细介绍了文艺复兴科技公司多年来如何开发各种交易策略，从早期的均值回归到利用内核方法等等。
https://www.bilibili.com/video/BV1ae4y1f7Em
\
更新时间：2022-10-10 12:50
量化私募说
分享头部量化私募团队、策略、深度资料等
\
更新时间：2022-10-10 09:45
量化策略专题研究：行业趋势配置模型研究-中信证券-20200325
更新时间：2022-10-09 11:05
投资组合优化的深度学习(ARXIV)
论文原名
《Deep Learning for Portfolio Optimization》
论文作者
张子豪、斯蒂芬·佐伦、斯蒂芬·罗伯茨牛津曼数量金融研究所，牛津大学
引言
我们采用深度学习模型直接优化投资组合夏普比率。我们提出的框架规避了预测预期的要求回报并允许我们通过更新模型直接优化投资组合权重参数。我们交易交易所交易基金，而不是选择单个资产(ETF) 的市场指数以形成投资组合。不同资产类别的指数显示强大的相关性和交易它们大大减少了可用的范围可供选择的资产。我们将我们的方法与各种算法进行比较结果表明我们的模型在测试中获得了最佳性能期间，从 2011 年到
更新时间：2022-10-09 10:31
资产配置vs.因子配置——我们能否构建一类两者兼顾的策略？
摘要
文献来源：Jennifer Bender, Jerry Le Sun and Rick Thomas, Asset Allocation vs. Factor Allocation – Can We Build a Unified Method?[J] The Journal of Portfolio Management, 2018, 45 (2) 9-22
推荐原因：近60年间，股票和债券等资产一直是多元化投资组合的主要基石。长期以来，投资者普遍认为，对不同类别的资产进行分散投资足以为组合带来多元化投资的裨益，但近期在市场大幅下挫过程中，对不同类别资产进行分散投
更新时间：2022-10-09 10:01
大宗商品CTA多因子模型构建及回测
摘要
中国商品期货市场近30年来取得历史性突破和跨越式发展。近年来，伴随股票市场多因子选股策略的风靡，越来越多的期货界投资人士，在尝试使用多因子框架构建商品市场的CTA策略。这类策略的核心是找到各类可以影响商品市场价格涨跌的公共因子，如资产动量、波动率、宏观基本面等，构建统一框架来评估资产价格上涨、下跌的潜力，进而构建商品市场的组合投资策略，多因子策略是近年来CTA策略的一个重要分支。本文主要尝试对多因子CTA策略构建中一些常用的因子进行测评，并试图构建一个基本的多因子CTA策略，以深入洞察该类策略的运作，供投资者参考
测试的因子包括技术面因子以及宏观基本面两类因子。技术面因子采用横
更新时间：2022-10-08 10:30
如何筛选私募量化基金？
从2010年至今，私募量化基金在国内经历了不断的发展和迭代，有大量海归量化投研人员迅速进入国内市场，组建了各具特色的量化团队。
不仅高净值个人投资者青睐私募量化基金，银行、保险、券商、信托的FOF产品也常常将私募量化基金作为重要的配置方向。那么该如何筛选私募量化基金呢？
针对“高频量价策略”的筛选：1.看投研团队背景，重点评估其挖掘因子和算法迭代升级的能力；2.看因子的多样性，即在成分内选股的占比，因成分内选股占比很大程度上表明产品的波动率如何；3.看净值波动率，还有产品在回撤以后创新高的时间。
针对“程序化T0策略”筛选：1.看日频T0的胜率，只有每日收益高且稳定，才能不断增厚；2.看
更新时间：2022-09-22 07:03
机器学习能用于基金组合构建吗
摘要
文献来源：Demiguel V, Gil-Bazo J, Nogales F J, et al. Can Machine Learning Help to Select Portfolios of Mutual Funds?[J]. Social Science Electronic Publishing, 2021.
推荐原因：众所周知，事先确定未来表现优异的共同基金是一项困难的任务。本文基于大量投资者容易获得的基金特征数据，利用机器学习方法训练提升其预测能力。研究发现，利用1980年至2018年期间美国股票型基金的数据，基于机器学习方法构建的基金组合，经风险调整
更新时间：2022-08-31 09:22
机器学习与标准长周期商品期货策略-安信证券-20180321
摘要
本商品策略通过机器学习可以对未来一周的走势进行预测，每周周末计算信号，周初第一天以TWAP调仓，频率低，资金容量大。
预测目标——从收益到其他
除了下期收益外，预测目标也可以是风险调整后的收益。在预测目标是风险调整后的收益下回测夏普略高，这一回测结果可以得到金融行为学的理论支持。
风险提示：标准长周期商品期货策略是基于商品历史数据的总结。由于商品期货出现较晚，市场依然处在高速变化中，模型存在较大的失效风险。
正文
[/wiki/static/upload/1c/1cc0bc43-4bec-4616-8c13-15728fcf4e73.pdf](/w
更新时间：2022-08-31 09:09
关于低风险投资的事实与误区
摘要
文献来源：Ron Alquist, Andrea Frazzini, Antti Ilmanen, Lasse Heje Pedersen. Fact and Fiction about Low-Risk Investing[J]. The Journal of Portfolio Management. May 2020, 46 (6) 72-92.
推荐原因：过去10年里，包括股票和其他资产在内的低风险投资受到了广泛关注。本文指出了关于低风险投资的五个事实和五个误区。
事实是：低风险投资
- 历史收益一直很高；
- 样本外表现也非常可观；
- 在许多国
更新时间：2022-08-31 08:51