基本面分析

https://bigquant.com/experimentshare/116fdc30e1944051ba43f73e74837776

\

策略案例

https://bigquant.com/experimentshare/3f0d164525984abca02f3e0f58155a00

\

导语

不管你是管理自己的资金还是客户资金，只要你在做资产管理，每一步的投资决策都意义重大，做技术分析或基本面分析的朋友很清楚地知道每一个决策的细节，但是通过机器学习、深度学习建模的朋友可能就会很苦恼，因为直接产出决策信号的模型可能是个黑盒子，很难明白为什么模型会产出某一个信号，甚至很多保守的私募基金把模型的可解释性放入了事前风控。其实，模型的可解释性是很容易做到的，难点在于研究员是否对模型有深入的思考和理解。

介绍

机器学习领域在过去十年中发生了显著的变化。从一个纯粹的学术和研究领域方向开始，我们已经看到了机器学习在各个领域都有着广泛的应用，如零售，技术，医疗保健，科学等等。

适用于AIStudio3.0.0的版本:

https://bigquant.com/wiki/doc/%5Fnew-iH7DEZCRpf

{{membership}}

https://bigquant.com/codeshare/5a5dd498-4590-44c2-8109-ae4501f49494

\

更新

本文策略代码部分已经过期，不再适合平台最新版本，请查看如下最新内容：

https://bigquant.com/wiki/doc/5z65pys6z2i6yep5yyw-vbxmD0RsJV

也可参考新版类似策略：

https://bigquant.com/wiki/doc/116-mcfVsYFPFP

\

导语

公司的基本面

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

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

导语

技术分析作为股票分析的重要流派，通过技术指标探寻市场规律。本文通过几个示例阐述如何借助TALIB函数库通过可视化流程快速构建常用的技术指标因子。

什么是技术分析

所谓股票的技术分析，是相对于基本面分析而言的。基本分析法着重于对一般经济情况以及各个公司的经营管理状况、行业动态等因素进行分析，以此来研究股票的价值，衡量股价的高低。而技术分析则是透过图表或技术指标的记录，研究市场过去及现在的行为反应，以推测未来价格的变动趋势。其依据的技术指标的主要内容是由股价、成交量或涨跌指数等数据计算而得的，技术分析只关心证券市场本身的变化，而不考虑会对其产生某种影响的经济方面、政治方面的

更新

此为老版。新版见：

https://bigquant.com/wiki/doc/125-KkS3pYVIAH

\

什么是均线？

金融市场上每个人都有一套自己的分析方法，无论你是一个技术派、基本面派、消息派还是量化投资派，对于“均线”这个名词一定不会陌生。虽说这个概念诞生于市场技术分析领域，但由于它的通俗易用，均线一直受到投资者和市场分析人士的青睐。

均线的全称是移动平均线（MA）。移动平均线是个什么概念？即通过等权或指数加权的方式，计算一段时期内的平均价格，是将某一段时

导语

公司的基本面因素一直具备滞后性，令基本面的量化出现巨大困难。而从上市公司的基本面因素来看，一般只有每个季度的公布期才会有财务指标的更新，而这种财务指标的滞后性对股票表现是否有影响呢？如何去规避基本面滞后产生的风险呢？下面我们将重点介绍量化交易在公司基本面分析上的应用，即平时常说的 基本面量化（Quantamental）

反映公司经营优劣的指标

首先我们简单介绍下可能运用在量化策略上的基本面指标，相信大部分投资者都对上市公司的基本面有一定的了解，上市公司的基本面情况总是同公司业绩相关，而衡量业绩的主要基本面指标有每股收益、净资产收益率、主营业务收入等等。

而上市

\

\

分享一些量化交易相关的常识信息。

五因子模型公式及应用

五因子模型是哪五个因子

**[多因子选股模型及优缺点](https://bigquant.com/wiki/doc/5asa5zug5a2q6ycj6ikh5qih5z6l5zcn6kn6ke

基本面量化策略是一种结合了基本面分析和量化分析方法的投资策略。通过对公司的财务报表、行业数据、宏观经济指标等基本面信息的量化分析，来识别被低估或高估的股票。这种策略通常涉及以下几个方面：

基本概念

1. **数据驱动的基本面深度分析：**基本面量化策略巧妙地结合统计方法与计算机算法，对公司盈利能力、财务稳健性、增长潜力等传统基本面指标进行精准分析，为投资者提供全面深入的企业价值洞察。
2. **

{{membership}}

https://bigquant.com/codeshare/9a29b13f-6ebe-46a4-a131-c356aed54a36

\

查了好久，没有找到实盘的指导，大佬们请指导一下。

思考了很久从哪里讲量化交易，决定还是从人生中的第一本量化书籍开始，本专栏的目的也是把记录自己的读书过程，把书越读越薄！第一次读这本书的时候，已经是5年前了，作为量化实验室的新丁，被要求阅读的就是这本书，并且实现书中的交易策略，了解到了很多很多基础的概念，书中的代码多数已经不能用，所用的语言也是matlab，这次写系列读书笔记，我将使用PYTHON语言（现在用的比较多），这里并不是说matlab过时了，我到现在依旧认为在矩阵处理及可视化上matlab仍然具有绝对优势。周围很多策略开发者仍然在使用matlab!

Quantitative Trading是E.P CHAN的第一本书，在外网有响

\

本文主要取材于Kok U-Wen, Jason Ribando和Richard Sloan发表在Financial Analyst Journal上的文章"Facts about formulaic value investing"。由于篇幅长度分成两篇。

1. 量化价值投资真的管用吗？（一）
2. 量化价值投资真的管用吗？（二）

本篇的主题是简单的价值比率（如净市率）并不能有效地鉴别被市场错误估值的股票，事实上，它们常常筛选出

在这篇博客中，我们将制定一个交易策略，其中我们将对公司的基本面数据进行定量分析，并创建一个基本面强公司的投资组合并分析投资组合的表现。

本博客涵盖的主题：

1. 什么是基本面分析？
2. 什么是定量分析？
3. [为什么要使用基本

\

如果你从事炒股，或者各种其他投资活动，那几乎肯定听说过价值投资这四个字。

当今世界，最有名的价值投资传奇，当属沃伦·巴菲特。巴菲特在全世界有数以万千的铁杆粉丝。每一年的五月份，这些粉丝都会齐聚美国的奥马哈，参加伯克希尔哈撒韦的公司股东年会，聆听他们的精神导师（巴菲特和芒格）对他们的教诲。

问题在于：到底什么是价值投资？是不是粉巴菲特就算价值投资者？价值投资是否真的管用？如果答案为是，价值投资管用背后的逻辑到底是什么？今天这篇文章，就来和大家好好分析一下这些问题。

首先我们来谈谈第一个问题：到底什么是价值投资？

对于这个问题，不同的人都有不同的解读。比如有些人说，价值投资就是买便宜的股票

记得大约十多年前，也就是我刚从大学毕业那会，有一次公司里一个同事热情的邀请我去参加他们教会里的一场周末活动。我当时恰好周末没啥事干，又被同事绘声绘色的宣传所吸引，于是就和另外两个朋友一起去了。

那个教会的规模非常大。它们租用了一个电影院，邀请了至少几百人。当天的活动安排的还挺丰富。首先是一个摇滚乐队，带领大家一起唱了几首欢乐颂之类的圣歌。然后是教徒个人经历分享。其中有一个教徒的经历分享让我印象深刻，这么多年以后还没有忘记。她说她自己在好几年前身患绝症，当时已经对生活放弃了希望。但是在某一时刻，她忽然感觉被上帝点拨，醍醐灌顶，从此发现了人生新的信仰和依靠。同时，她的癌症病情也开始奇迹般的好转。

期权可能大家都不陌生，这里我带大家捋一捋一些基本的知识点，也带大家了解一些期权交易中的规律和现象。

1，期权的价格由很多个的因素构成，因此它风险的来源也远远多于股票等标的资产。常用的风险来源包括：标的资产价格的方向（Delta），标的资产的波动率大小（vega），标的资产价格的凸性（Gamma），波动率的凸性（volga），时间价值的损耗（Theta），与其他资产的相关性（correlation），以及偏度（skewness）。不论什么市场什么期权，Delta和vega是所有维度中最重要的。其他因素会在其他考量时利用。

2，期权的价值并不和标的股票价格呈线性关系。而是凸函数，如下图所示：

问题

新手，请教老师： 1的位置：我只会设置1个条件，怎么设置2个条件呢？ 2的位置：通过条件得出了一些股票，怎么把这些股票引用，读取数据呢

参照如下代码 df = DataSource(“bar1d_CN_STOCK_A”).read(start_date=“2021-01-05”,end_date=“2021-02-05”) c1 = df[‘date’]>=“2021-02-01” c2 = df[‘amou