风险管理
从金融视角来看，风险管理是企业持续发展和稳健运营的核心要素。它涉及识别、评估、监控和控制潜在的风险，以便将不良影响最小化，并促进企业在不断变化的经济环境中保持弹性。有效的风险管理策略不仅有助于保护资产和减少损失，还能增强投资者的信心，维持公司声誉。为了确保这一流程的实施，金融机构通常采用先进的风险测量模型和技术，以及严格的内部政策和程序。这样的方法使机构能够预测潜在威胁，迅速应对突发事件，并在机会与风险之间找到适当的平衡，从而实现可持续增长和盈利。
算法交易的主要类型与策略分析
前言
算法交易起源于上世纪中叶的配对交易
历史上最早使用算法交易的例子可以追溯到1949年。对冲基金之父阿尔弗雷德·琼斯，利用空对多3：7的比例进行配对交易，在1955年到1964年间，综合回报率高达28%。到了上世纪60年代早期，投资者开始利用计算机通过分析股票的周线和月线来预测价格运动方向。
配对交易逐渐成熟，发展成后来的算法交易。随后算法交易策略慢慢在华尔街流传开来并被广泛使用，同时也带来了非常可观的盈利。原来在摩根士丹利从事配对交易的研究员，后来逐渐成为如大卫·肖、詹姆斯·西蒙斯这类明星基金经理手下的精英，算法交易的“黑盒子”便由此诞生。
随着计算机的广泛普及，华尔街各大
更新时间：2024-05-20 02:09
机器学习量化投资实战指南
本文14323字，阅读约28分钟
导语：本文旨在用精炼的语言阐述实操层面的机器学习量化应用方法，包括给出实践中一些常见、实际问题的处理方案，并结合了量化应用实例。读完后大家可以在本平台进行实践检验。
文章概览：
1.人工智能量化投资概述
2.人工智能技术简介
3.机器学习在量化投资中应用的具体方法解析
AI相对于传统量化投资的优势 传统的量化投资策略是通过建立各种数学模型，在各种金融数据中试图找出市场的规律并加以利用，力所能及的模式或许可以接近某一个局部的最优，而真正的全局“最优解”或许在我们的经验认知之外。如同不需要借助人类经验的Alpha Zero，不仅
更新时间：2024-05-20 02:09
零基础《AI挑战虚拟股票预测大赛》入门教程
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：2024-05-20 02:09
对冲策略研究demo示例
旧版声明
本文为旧版实现，仅供学习参考。
https://bigquant.com/wiki/doc/demos-ecdRvuM1TU
策略案例
https://bigquant.com/experimentshare/0f3871389f5846009ba425fe066d03b2
\
更新时间：2024-05-20 01:07
主动投资管理定律
旧版声明
本文为旧版实现，仅供学习参考。
https://bigquant.com/wiki/doc/demos-ecdRvuM1TU
https://bigquant.com/experimentshare/9d63b4ca46fc40bfac5fa7843d4f89cf
\
更新时间：2024-05-20 01:03
神经网络交易算法
旧版声明
本文为旧版实现，仅供学习参考。
https://bigquant.com/wiki/doc/demos-ecdRvuM1TU
\
策略案例
https://bigquant.com/experimentshare/723e10568f294571924b89f3953ce20b
\
更新时间：2024-05-20 01:02
LSTM+CNN深度学习预测股价
旧版声明
本文为旧版实现，仅供学习参考。
https://bigquant.com/wiki/doc/demos-ecdRvuM1TU
策略案例
https://bigquant.com/experimentshare/c13d6baefe5d4c75bb87eea9364b0f75
\
更新时间：2024-05-20 00:54
用StockRanker算法实现A股股票选股
旧版声明
本文为旧版实现，仅供学习参考。
https://bigquant.com/wiki/doc/demos-ecdRvuM1TU
策略案例
https://bigquant.com/experimentshare/72d5601550164505aad979f7265f8fec
\
更新时间：2024-05-20 00:50
MACD底背离
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 00:46
利用深度学习技术预测股票价格
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：2024-05-17 10:28
使用BigQuant平台实现多层感知器-分类算法
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：2024-05-17 10:24
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
AI选股策略_概念过滤
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：2024-05-17 07:50
StockRanker选股+随机森林大盘风控
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：2024-05-17 07:25
标记买卖点
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：2024-05-17 06:39
深度学习量化交易模型
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：2024-05-17 03:49
处理持仓中的"雷"股
导语
通过数据过滤我们可以在预测的时候避开ST股和退市股，但如果很不幸我们的买入持仓中有股票变成了ST股或者退市股时，我们应该如何快速卖出逃脱呢？本节我们就聊聊如何处理持仓中的“雷”股！
我们知道，模板的策略逻辑是卖出每日预测排序靠后的股票。那么尝试思考这样一个场景：某个持仓的股票突然发布公告启动ST或者退市流程，好股变成了“”雷“”股。但是很可能我们的排序预测模型始终意识不到这个雷，而导致此股的打分排序始终不是靠后的。这会导致这些烫手的山芋无法脱手，自爆仓中。不仅导致策略无法卖出此股，还会因其占用了资金而无法买入新的股票。
因此，我们在每天的交易逻辑前加入“雷股判断”，一旦发现持
更新时间：2024-05-17 03:22
小市值策略变形记
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
\
更新时间：2024-05-16 09:15
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
因子风险暴露
更新时间：2024-05-16 07:17
深入理解协整
新版转移至
https://bigquant.com/wiki/doc/5rex5ywl55cg6kej5y2p5pw0-owy2Gx6AHp
导语
在上一篇文章《初始协整》我们已经对协整有一个直观的认识，本文将进行深入理解协整。
[https://bigquant.com/experimentshare/e9455167fd3449da84b651f16f8b41e6](https://bigquant.com/experimentshar
更新时间：2024-05-16 06:50
ROE策略
更新时间：2024-05-16 06:37
基于卷积神经网络的多因子预测
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/5z65lqo5y2356ev56we57up572r57uc55qe5asa5zug5a2q6ycj6ikh-3hXXZIwYtI
策略案例
[https://bigquant.com/experimentshare/86296263b27
更新时间：2024-05-16 06:36
筹码理论的探索-筹码分布计算的实现
更新时间：2024-05-16 06:36
代码策略
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/stockranker-qFD1Xg1Wz3
代码策略
[https://bigquant.com/experimentshare/23b8dad5c75e4e399bb937d498dccb8f](https://bigquant.com/experimentshare/23b8dad5c75e4e399bb937d498dcc
更新时间：2024-05-16 06:36