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。
因子过滤
更新时间：2021-12-14 13:18
指定概念板块过滤
更新时间：2021-12-14 13:18
回测数据深入分析（代码）
导语：本文介绍如何对一个回测结果进行深入分析。
策略案例
我们先看一个AI策略，以下是完整的策略代码。
https://bigquant.com/experimentshare/eb2f4ca3f7c0474c95341ae1202cac0f
\
更新时间：2021-12-14 13:11
控制每日仓位的一个例子
更新时间：2021-12-14 13:08
指数研究与指数化投资系列：科创板50与创业板50的量化对比分析-中信证券-20200727
摘要
科创50与创50指数成分股均以科技板块为主，科创50编制方法更贴合国际主流。市值分布上科创50更具小盘特征，行业权重专注信息技术；创50则聚焦医药板块，市值覆盖度更高。科创50与创50相关性高，创50估值和夏普比率更高，而科创50盈利成长性更高，投资波动性更大。目前四只科创50ETF有望落地；创业板50指数的唯一ETF为华安创业板50ETF。
科创50和创业板注册制助力中国资本市场改革：资本市场助力科技兴国，科创板和创业板注册制吹起改革之风，上证科创板50成份指数闪亮登场，扬帆启航；科创50指数的编制充分借鉴了海外经验，成分股权重存在约束条件，避免风险过于集中，且选股标
更新时间：2021-11-26 09:09
如何编辑回测模块
新手学习第三弹：编辑回测模块+羊驼策略复现 回测是量化交易中非常重要的一个模块，理解bigquant上的回测机制才能编写出个性化的交易策略。 本文以羊驼策略复现为例，分享回测模块编辑的学习过程。
什么是羊驼策略
上个世纪80年代末，美国《旧金山纪事报》曾做过大猩猩选股实验，让大猩猩向写有股票代码的纸板投飞镖，投中一个代码就意味着选中一只股票，用此方法让大猩猩挑选出5只股票。然后，用大猩猩挑选的股票组合与《华尔街日报》8位知名分析师精心计算分析挑选的5只股票相比较，在持有一段时间之后，大猩猩随机抽取购买的股票票面价值竟然超过了操盘手挑选的股票。
羊驼策略就是受了大猩猩选股实验
更新时间：2021-11-23 08:48
因子分析测试
更新时间：2021-11-15 01:32
神经网络交易算法
更新时间：2021-09-08 03:03
参数寻优获得/夏普信息比/最大回撤/胜率-2
更新时间：2021-08-20 07:52
常用量化策略思想概览
随着时间序列系列讲到协整部分，我们会陆续讲一些经典的量化策略。在今天的讲解中，我将简单地介绍一下量化投资中的常用策略算法思想。由于是概览，因此不会对策略的细节进行深度分析。
动量策略
动量策略是抓住市场某一个方向的显著趋势而获利的算法。由于人性的因素，股票市场存在某种“惯性”。当某些题材的热股被热炒时，其价格会快速并且持续地上升。上升的初期可能是由市场上的某个讯息或者热点引起，而后越来越多的投资者在听到之后都会跟风追逐。一个简单的动量策略应用是当前的价格低于MA时买入股票高于MA时卖出股票。
均值回复
均值策略假设虽然市场会出现追涨杀跌的短暂疯狂状态，但从长期趋势来看市
更新时间：2021-08-11 03:22
关于回测指标的计算探讨
更新时间：2021-08-10 03:36
feynman量化系列—从均值方差到有效前沿
更新时间：2021-08-09 02:22
主动投资管理定律（基本篇）
更新时间：2021-07-30 09:36
Alpha系列-因子模型
更新时间：2021-07-30 09:36
量化研究每周精选-20170913
导语：本周精选了一篇有关机器学习应用于期货量化交易的文章。文章概要描述如何基于期货历史交易数据，应用机器学习预测股票回报率和波动率，具体步骤包括提出模型假设，确定训练样本和学习目标，生成并挑选特征以及确认最优算法，并研究回报率预测确定系数$r^2$与夏普比率之间的关系，非常值得一读。BigQuant拥有海量的数据和主流开源AI框架，赋能每一位爱好机器学习/深度学习和量化交易的人。
《应用机器学习开发期货算法交易策略》
原文：[《Algorithmic Trading o
更新时间：2021-07-30 09:21
用线性随机梯度下降-回归算法实现A股股票选股
更新时间：2021-07-30 08:12
基于XGBoost的价值选股策略代码
本代码完整版一共包括三部分：数据、算法、回测交易。 由于该策略与机构有一些合作，我们只放出了数据和算法。希望大家能够理解！
策略案例
https://bigquant.com/experimentshare/5a93201876eb401e998867e0b5106175
\
更新时间：2021-07-30 08:09
用线性-分类算法实现A股股票选股
更新时间：2021-07-30 07:26
StockRanker排序
更新时间：2021-07-30 07:26
特征取分位数据
更新时间：2021-07-30 07:25
策略中调用其他因子_非AI
更新时间：2021-07-30 07:25
因子构建
更新时间：2021-07-30 07:25
超参寻优调参顺序
更新时间：2021-07-30 07:25
A股量化择时研究报告：金融工程，战略做多不变-广发证券-20200329
更新时间：2021-04-22 02:46
Transformer在量化选股中的应用
一、基于时间嵌入的方法
当前应用于NLP领域的Transformer，结构过于庞大，并不适用于股票数据（开盘价，收盘价，最高价，最低价，等）这样的时序数据，因此，本文提出一种简化的适用于股票数据的Transformer结构，其根据时间嵌入的思想构建，能很好的应用于量化选股中。下面以一个例子来介绍用于股票数据的Transformer体系结构，以及
更新时间：2021-02-03 07:05